非接触式胎儿心率检测

胎儿心率检测是围产期常规检测,是评估孕妇和胎儿健康的主要生理指标.相对现有的接触式胎心检测技术,本文提出一种更为便捷,成本低廉的非接触式胎儿心率提取算法.首先基于欧拉视频颜色放大技术,对视频中颜色信号放大.其次,利用光电容积脉搏波描记法提取血液容积脉冲信号,并对母体噪声进行分离,计算功率谱密度提取.将采集到的胎心率,与医院专用胎心设备检测的结果进行定量分析,数据表明可以达到96%的准确度.     

基于移动端的非接触心率检测系统研究与设计

心率的检测对人体健康监护有重要的意义,目前主流心率检测设备需与皮肤直接接触,容易引起传染性疾病的传播风险并给用户带来负担;为了解决这些问题,开发了一款基于安卓移动端设备的心率检测应用,可实现非接触式的心率检测并将检测结果展示在主界面上,完成用户自主的心率检测功能;根据远程光电容积描记法,可从人体皮肤的图像数据中提取出心率信息,因此应用中封装了欧拉视频放大算法来实现非接触式心率信号检测,可通过采集面部图像数据来进行人体心率的估计;该应用操作简便,使用场景也不受限制,在真实环境中的实验结果表明,其检测结果与真实心率间的均方根误差为2.93,误差较小且与真实心率具有较高一致性,其检测精度能够满足用户使用需求。     

基于视频信号的非接触式心率和血氧饱和度检测方法综述

心率和血氧饱和度是反映人体健康状况极其重要的生理指标. 近年来, 基于成像式光电容积描记技术(imaging photoplethysmography, IPPG)的非接触式心率和血氧饱和度检测方法因为其方便快捷且受约束较少等优点开始逐步成为研究热点. 主要工作如下: 首先, 介绍了非接触式检测方法的背景和研究意义; 其次, 从目标区域检测和感兴趣区域(region of interest, ROI)选取两个方面总结并点明其研究现状以及未来改进方向; 再次, 从传统方法、信号处理结合深度学习方法以及端到端方法3个方面对心率和血氧饱和度检测方法进行了总结, 并梳理了深度学习方法所使用的数据集以及在各个数据集中所展现的检测效果; 最后, 指出该领域所存在的亟待解决的问题以及未来的研究方向.     

基于欧拉影像放大的非接触式心率测量方法

针对目前非接触式心率测量存在操作不便、心率同频段噪声干扰大和受环境温度影响较大等问题,提出一种基于欧拉影像放大技术的非接触式心率测量方法。首先,运用欧拉影像放大技术实现手腕处桡动脉微小跳动的动作放大;然后,对脉搏跳动视频帧的像素点亮度值在时域上进行亮度方差统计,同时在YCrCb颜色空间中分割出皮肤区域;其次,根据亮度方差统计和皮肤分割结果,结合图像形态学处理方法提取视频中桡动脉跳动区域;最后,对所提取桡动脉部位时域上亮度信号采用傅里叶变换进行时频分析,实现心率非接触式测量。实验结果表明该方法与独立成分分析法（ICA）和脉搏交流信号分析法相比,均方根误差（RMSE）分别下降50.5%和32.6%;与小波滤波法相比,平均绝对误差下降12%。非接触式心率测量方法测量结果与脉搏血氧仪测量法具有很好一致性,满足中国医药行业标准,可用于日常保健和远程医疗的心率监测。     

非规律运动伪迹干扰鲁棒的人脸视频心率检测

目的 基于远程光电容积脉搏波描记法（remote photoplethysmograph,rPPG）的非接触人脸视频心率检测广泛应用于移动健康监护领域,由于其携带的生理参数信息幅值微弱,容易受到运动伪迹干扰。据此,提出了一种结合非负矩阵分解（nonnegative matrix factorization,NMF）和独立向量分析（independent vector analysis,IVA）的非规律运动伪迹去除的视频心率检测方法,记为 NMF-IVA。方法 首先,将面部感兴趣区域（region of interest,RoI）分为多个子区域（sub RoIs,SRoIs）,利用平均光照强度、光照强度变化、信噪比这 3 个指标筛选出 3 个最优质的 SRoIs,并获取每个 SRoI 的绿色通道时间序列。其次,将 3 个绿色通道时间序列去趋势、带通滤波后送入 NMF-IVA 进行盲源分离。然后,对分离后的源信号进行功率谱密度分析,并且将峰值信噪比最高且主频落在心率感兴趣范围内的源信号确定为血容量脉冲（blood volume pulse,BVP）信号。最后,将 BVP 信号的主频确定为所测量心率的主频,从而计算出心率值。结果 实验在 2 个公开数据集 UBFC-RPPG 和 UBFC-PHYS,及 1 个真实场景自采数据集上与最相关的 7 种典型的 rPPG 方法进行比较,在 UBFC-RPPG 数据集上,相比于性能第 2 的单通道滤波（single channel filtering,SCF）方法,均方根误差提升了 1. 39 bpm（beat per minute）、平均绝对误差提升了 1. 25 bpm、皮尔逊相关系数提升了 0. 02;在UBFC-PHYS 数据集上的 T2 情况下,其性能提升最为显著,相比于性能第 2 的独立向量分析（IVA）方法,均方根误差提升了 16. 42 bpm、平均绝对误差提升了 9. 91 bpm、皮尔逊相关系数提升了 0. 64;在自采数据集上,除了低于深度学习方法性能之外,所提 NMF-IVA 方法在传统方法中取得了最好的结果。结论 所提 NMF-IVA 方法对规律信号提取具有敏感性,即便是在头部存在剧烈非规律运动情况下,相比于传统方法亦能取得最优结果,该结果能够媲美基于深度学习的方法。     

基于FastICA算法的盲源分离

近年来,ICA(Independent Component Analysis,独立成分分析)已成为处理BSS(Blind Source Separation,盲源分离)问题的主要手段,同时也受到人们越来越多的关注,为此讨论ICA的原理及其优越性.首先介绍ICA,然后引入FastICA算法的推导过程,最后通过MATLAB仿真将其与梯度算法、PCA(Principal Component Analysis,主成分分析)算法所得的仿真结果进行对比分析.通过算法验证,经FastICA处理得到的分离信号与源信号相关系数的绝对值不小于0.99,与其他两种算法比较可以明显地得到FastICA是一种更为有效的盲源分离方法.     

基于网络分量分析的盲源分离方法

提出了用先验混合矩阵对盲源进行分离的网络分量分析方法(NCA).该方法在统计独立性假设不成立的条件下,也能实现对源信号的分离.通过计算机仿真与FastlCA和JADE算法进行了性能比较分析,证实了在无统计独立性的假设下,NCA具有更理想的盲源分离效果.     

基于盲源分离的单通道语音信号增强

在运用基于独立分量分析(ICA)的盲源分离法进行语音增强时,要求观测信号(含噪语音)的个数不少于源信号(纯净语音和噪声)的个数.由于含噪语音通常是单通道的,所以必须合理地生成另一路的虚拟观测信号,以实现纯净语音和噪声的分离是个关键.介绍了一种基于盲源分离和谱减法的单通道语音信号增强的方法.首先运用谱减法对语音进行部分去噪,产生了ICA其中的一路观测信号,并产生了对噪声的估计值.用语音和噪声估计值的帧平均能量构成了加权函数,将噪声的估计值与原始含噪语音进行加权组合,生成另一路的虚拟观测信号.由于虚拟观测信号很好地再现了实际的观测信号,所以运用ICA可以较好地实现了噪声和语音的分离.同时,盲源分离和谱减法相互结合,使语音增强的性能提高.实验证明了算法可以在信噪比很小的情况下实现对噪声的去除,其效果要优于传统的去噪算法.     

一种无线传感器网络的盲源分离算法

无线网络协议的校验纠错机制繁重复杂,加重了通信带宽的负担.盲源分离无需任何先验知识就可重构出源信号,成为无线传感器领域的研究热点.但网络部署中,传感器信号的量化位数和Modem个数难以确定.针对上述问题,提出一种基于平方根容积卡尔曼滤波(SRCKF)的盲源分离算法.算法根据空间状态方程和测量方程,用平方根容积卡尔曼估计分离向量.实验结果表明:SRCKF算法在保持极高分离精度的情况下,能有效计算出量化位数和Modem个数的最优值,SRCKF算法效率是同类无先导卡尔曼滤波(UKF)算法效率的1.3578倍.     

基于量子遗传算法的盲源分离算法研究

在改进遗传量子算法的基础上，提出了一种新的量子遗传算法并从理论上证明了算法的全局收剑性．提出了基于量子遗传算法与独立分量分析算法相结合的盲源分离新算法．仿真结果表明：新方法比采用常规遗传算法的盲源分离方法具有明显的高效性．     

基于语音信号稀疏性的FDICA初始化和后处理方法

目前解决语音信号盲源分离(Blind source separation,BSS)的两大类方法分别为频域独立成分分析(Frequency domain independent component analysis,FDICA)和基于稀疏性的时频掩蔽(Time frequency masking,TF masking).为此将两类方法优点相结合,利用TF masking方法的结果,对FDICA做初始化,在加快FDICA收敛速度的同时也避免了次序不确定性问题.此外还提出了一种新的基于语音稀疏性FDICA的BSS后处理方法:基于局部最小比例控制(Local minimum ratio controlled,LMRC)谱减法,比常规的TF masking、维纳滤波等后处理方法,能够更有效地控制音乐噪声,提高分离性能.合成数据和实际采集数据的实验结果验证了所提方法的有效性.     

基于独立分量分析的工频干扰消除技术*

简要介绍了ICA的基本原理和快速算法,在分析地震信号和工频干扰特点的基础上,利用ICA技术来消除地震记录中的工频干扰,并与常规方法进行比较。研究结果表明ICA在有效消除工频干扰的同时,能够保护有效信号,并且在提高资料的信噪比方面更有优势,具有良好的应用前景。     

Atrial fibrillatory signal estimation using blind source extraction algorithm based on high-order statistics

The analysis and the characterization of atrial fibrillation （AF） requires, in a previous key step, the extraction of the atrial activity （AA） free from 12-lead electrocardiogram （ECG）. This contribution proposes a novel non-invasive approach for the AA estimation in AF episodes. The method is based on blind source extraction （BSE） using high order statistics （HOS）. The validity and performance of this algorithm are confirmed by extensive computer simulations and experiments on realworld data. In contrast to blind source separation （BSS） methods, BSE only extract one desired signal, and it is easy for the machine to judge whether the extracted signal is AA source by calculating its spectrum concentration, while it is hard for the machine using BSS method to judge which one of the separated twelve signals is AA source. Therefore, the proposed method is expected to have great potential in clinical monitoring.     

基于改进的萤火虫优化算法的混合语音盲分离

针对传统盲源分离优化算法对分离性能影响较大的局限性,提出了一种基于改进的萤火虫优化的混合语音盲分离算法。将萤火虫的飞行跨度由固定取值变为由新构造的函数自适应调整,在加快收敛速度的同时避免算法早熟现象的发生。实验结果表明,与基于自然梯度、标准萤火虫和粒子群优化的盲分离算法相比,新算法对混合语音信号的分离效果较好,在收敛速度和分离能力方面都有所提升。     

基于粒子群优化的工频干扰消除算法*

提出了一种基于粒子群优化的消除微弱信号采集过程中工频干扰的算法。通过人工构造观测信号,使系统模型符合盲源分离的数学模型要求。使用信号的四阶累积量作为信号独立性的判据,利用粒子群优化算法寻找使判据最大化的分离矩阵,进而消除被采集信号中的工频干扰。在粒子群优化算法的求解过程中,采用将对分离矩阵的直接辨识转换成对一系列Givens矩阵的辨识方法,从而减少了算法中对未知元素辨识的数量,避免反复白化过程,有效降低了算法的计算量,克服了粒子群优化过程中容易早熟收敛的问题。仿真结果表明,本算法在保护有用信号的前提下,能     

基于核独立成分分析的盲源信号分离

独立成分分析(ICA)已经广泛用于盲源信号的分离(BSS)。论文介绍了基于核空间的ICA的原理和基本算法,然后介绍了该算法与典型ICA和主成分分析(PCA)在盲源信号分离中的比较。实验表明在盲源信号分离中,基于核空间的ICA与其他典型ICA和PCA算法相比更具有准确性和鲁棒性。     

基于新阈值函数小波变换的噪声盲分离算法*

将一种基于偏差去除技术的自然梯度算法应用于噪声盲分离中,估计出分离矩阵,并采用一种新的小波阈值函数对已分离出的含噪信号进行去噪处理。通过计算机仿真验证,该算法分离效果良好,盲分离结果具有更高的信噪比。     

改进的一单元复数参考独立成分分析算法

一单元复数参考独立成分分析算法存在阈值参数难以确定的问题。通过将算法的目标优化函数巧妙地调整为期望提取信号的幅值和参考信号的近似性量度,基于机器学习原理和经典的Kuhn-Tucker条件提出一种改进的固定点算法,有效避免人为选取选择阈值参数和步长参数,降低了计算复杂度,并提高了算法收敛的稳定性和收敛速率。针对复数合成数据的仿真实验证实了所提算法的有效性。     

基于维纳滤波和快速独立分量分析的有噪混合图像盲分离

简要介绍了独立分量分析的基本数学模型和算法,在此基础上探讨了独立分量分析在有噪混合图像分离中的应用,提出了一种结合维纳滤波去噪与独立分量分析相结合的解决方法.实验结果表明,该方法能有效地降低噪声信号的影响,较好地恢复了原始图像.