基于心电信号的身份识别研究综述

基于心电信号的身份识别技术是一种较为新颖的生物识别技术,本文首先分析了心电信号的特性和作为身份识别的可行性,然后介绍了当前国内外研究人员对ECG信号用于身份识别的处理方法,接着介绍了其实现的过程,以及心电身份识别研究中存在的问题,最后提出心电身份识别的应用前景。     

基于心电脉搏特征的视觉疲劳状态识别

为从生物医学信号角度检测和评估视觉疲劳，模拟VDT作业环境，对35位健康被试者进行1.5 h的VDT疲劳实验。使用MP425数据采集卡和LabVIEW构成的数据采集系统同步采集心电(ECG)和脉搏波信号，经信号预处理分析后，提取实验前后的ECG和脉搏波信号特征。研究结果表明，ECG和脉搏波信号特征在实验前后有较大变化，采用支持向量机法对实验前后的ECG脉搏组合特征进行分类，正确率可达100%。     

心电图仪设计综述

介绍了心电图仪(ECG或EKG)的基本架构及心电信号的电子测量和显示的基本原理,探讨了ECG设备的模拟前端(AFE)及信号通道对心率信号实现数字化的问题,并讨论了各种ECG应用,包括自动体外除颤仪(AED)、病人监护仪和高端诊断型ECG及其所提供的多种功能。     

基于SoC FPGA的心电信号检测系统设计

设计实现了一种基于片上系统现场可编程门阵列( SoC FPGA)的心电信号( ECG)检测系统.系统通过具有高输入阻抗、高共模抑制比和低噪声的前置采集放大电路,实现心电信号的拾取和预处理.通过基于SoC FPGA的硬件平台和移植的嵌入式Linux开发环境的软硬协同设计方式,完成了心电信号的A/D转换、VGA显示、Micro SD卡数据存储和心电信号算法处理,能够对心电信号进行小波分析和QRS波检测,实现了对心电信号的采集、显示、存储和处理.     

一种生命体征信号采集装置设计

设计了一种生命体征信号采集装置,完成心电(ECG)信号、呼吸信号的采集、处理和传输.以导电硅胶作为电极传感器,ADS1292R作为心电呼吸采集芯片,采集 ECG与呼吸信号;单片机STM32L151CBT6完成原始信号的去噪处理,以蓝牙作为传输载体,将信号波形传至手机端显示;装置采用锂电池供电,并设计了充电管理单元,直接为电池充电.     

心电信号去噪的数学形态学滤波器

为探索验证一种基于数学形态滤波器的去除心电基线漂移和工频干扰的高性能滤波器设计方法,借鉴数学形态学一维信号滤波原理,提出自适应阈值ECG去噪算法的思路,讨论了3σ统计准则在ECG自适应阈值滤波中的作用,利用改进的算法对心电图中常见的工频干扰和基线漂移进行校正。通过对MIT-BIH心率变异数据库中多组数据的仿真验证研究,验证了该算法能有效实现心电信号的噪声预处理;数学形态学理论在心电信号处理中具有良好性能,是实时处理一维生物医学信号有潜力的工具。     

心电信号中R波的小波包检测算法研究

心电信号(ECG)特征参数的提取和检测是心电图分析和诊断的基础,而在ECG分析中,快速准确地检测出QRS波群非常重要,它是计算相关参数和诊断的前提。本文针对心电信号QRS波群中R波的检测算法进行了研究与分析,对传统的小波R波检测算法中存在的检测准确率较低和实时性较差的问题加以改进,并提出了具有更加优良分析效果的小波包R波检测方法。并利用美国麻省理工学院的MIT/BIH心电数据库对上述方法进行仿真验证,同时与传统的小波R波检测算法进行实验对比,结果表明,该方法简单有效、准确率高,适于实际应用。     

一种ECG信号肌电干扰去除方法的研究

实测心电(ECG)信号通常被多种因素干扰,尤其是肌电干扰的去除存在较大困难.本文提出一种结合经验模态分解法(EMD)与主成分分析(PCA)的消噪算法来去除ECG信号的肌电干扰.解决了通常采用小波算法和EMD等方法会导致ECG信号产生振荡和丢失有用信息的难题.本研究利用PCA对含噪信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理,通过对MIT-BIH心电数据进行仿真,以及定性分析了信噪比(SNR)和均方误差(MSE).结果表明,ECG信号中的肌电干扰被有效去除,所提方法的消噪效果整体上优于小波去噪算法和EMD消噪算法,是一种有效的消噪方法.     

基于小波变换和粗糙集的早搏信号识别算法

心电特征参数的选择和提取是心电图(ECG)分析的基础,提升检测算法的识别率和特征分类的精度是自动分析技术的关键。提出了基于小波变换和属性约简的心电早搏信号识别算法。该算法首先依据心血管专家的诊断标准选择了12个心电特征参数;然后运用基于小波变换的特征检测算法进行了特征提取,并利用基于粒计算的属性约简算法对特征参数进行了属性约简;最后,将约简后的数据用于模式分类并通过MIT-BIH数据库对结果进行验证。实验表明,约简后的分类精度大大高于约简前的数据,特征参数的合理选择(约简)是提高识别效率的重要因素。     

基于物联网的社区心电监护系统设计

将物联网与传统心电图（ ECG）监护系统相结合,以Zig Bee无线通信技术为核心,设计了一种具有自动报警功能的社区心电监护系统,实现了心电数据的自动采集、处理、诊断、异常报警与无线传输。该系统采用无线通信技术传输数据,可以减少系统的连线。系统中的心电分析算法可以实时显示和在线分析心电信号,提取心电信号中的疾病特征,实现心脏疾病的自动诊断和预测。实验结果表明：所设计的心电监护系统,能够准确采集心电信号。将物联网技术应用在智能心电监护系统上,便于对社区患者进行统一监管。     

Statistics over features of ECG signals

This paper presented the usage of statistics over the set of the features representing the electrocardiogram (ECG) signals. Since classification is more accurate when the pattern is simplified through representation by important features, feature extraction and selection play an important role in classifying systems such as neural networks. Multilayer perceptron neural network (MLPNN) architectures were formulated and used as basis for detection of variabilities of the ECG signals. Four types of ECG beats (normal beat, congestive heart failure beat, ventricular tachyarrhythmia beat, atrial fibrillation beat) obtained from the Physiobank database were classified. The selected Lyapunov exponents, wavelet coefficients and the power levels of power spectral density (PSD) values obtained by eigenvector methods of the ECG signals were used as inputs of the MLPNN trained with Levenberg–Marquardt algorithm. The classification results confirmed that the proposed MLPNN has potential in detecting the variabilities of the ECG signals.     

嵌入式心电信号分析仪

鉴于目前心电分析仪的现状和嵌入式系统的优越性能,开发了基于嵌入式系统的心电信号分析仪。首先剖析了仪器工作原理;然后给出嵌入式心电仪的结构框图,分别阐述各个部件的设计思路及其实现;最后介绍了仪器检测实验和误差分析,论证了开发的心电分析仪的可行性,并强调了基于嵌入式系统开发的科学分析仪器的突出优点。     

Improving Twin Support Vector Machine Based on Hybrid Swarm Optimizer for Heartbeat Classification

The computer-aided diagnosis system is used to reduce the high mortality rate among heart patients through detecting cardiac diseases at an early stage. Since the process of detecting the cardiac heartbeat is a hard task because of the human eye cannot be distinguished between the variations in electrocardiogram (ECG) signals due to they are very small. There are several machine learning approaches are applied to improve the performance of detecting the heartbeats, however, these methods suffer from some limitations such as high time computational and slow convergence. To avoid these limitations, this paper proposed an ECG heartbeat classification approach, called Swarm-TWSVM, that combined twin support vector machines (TWSVMs) with the hybrid between the particle swarm optimization with gravitational search algorithm (PSOGSA). Also, the empirical mode decomposition (EMD) has been applied for the ECG noise removing, and feature extraction, then PSOGSA was used to find the optimal parameters of TWSVM to improve the classification process. The experiments were performed using the MIT-BIH arrhythmia database and results show that the Swarm- TWSVM gives better accuracy than TWSVM 99.44 and 85.87%, respectively.     

Toward improving person identification using the ElectroCardioGram (ECG) signal based on non-fiducial features

Multimedia Tools and Applications - In the last years, the ElectroCardioGram (ECG) signal identification system presents an important technology due to the expanding domain of applications. The ECG...     

一种基于双库协同机制的入侵检测系统

基于数据挖掘的入侵检测是当前入侵检测技术的重要研究方向,但大多数基于数据挖掘的入侵检测系统都采用传统的数据挖掘算法,性能不够令人满意。论文结合知识发现的双库协同机制,对该机制在入侵检测系统中的应用作了深入的探讨,提出了一种高效的入侵检测系统的模型。     

基于R峰配准重构的弱胎心电盲分离方法

利用盲分离技术从母亲腹心电中分离出胎心电在胎心电幅度较强的情况下是可行的,但如果胎心电过弱,盲分离中容易将胎心电视作噪声而无法正确分离.在胎心电过弱时,先对腹心电进行形态学滤波后检测胎心电的R峰,然后在配准胎儿R峰的前提下,平移、叠加并重构信号,最后对重构信号应用盲分离方法分离出较好的胎心电信号.实验证明,当胎心电微弱,直接盲分离容易将胎心电作为噪声而无法得到有效胎心电时,R峰配准重构可以有效地增强胎心电的信号强度,对重构后的信号进行盲分离可得到有效的胎心电,进而得到较精确的胎心率.     

基于STM32便携式心电监护装置的设计

综合运用传感器技术、嵌入式技术和无线通信技术,设计了一种以STM32F103C8T6微处理器为核心的家用便携式心电监护装置.利用Pulse Sensor脉搏心率传感器采集心电信号,经STM32内置的模数转换器(ADC)处理得到数字信号.LCD屏用于实时显示心率值和心电图(ECG),心率数据通过蓝牙通信模块实时传输到手机...     

带反馈修正的多结构元形态学心电信号QRS波检测算法

本文提出了一种带反馈修正的多结构元形态学心电信号QRS波检测算法。首先,采用形态学滤波消除心电信号中的脉冲噪声;接着,基于两种不同宽度的结构元,对滤波后信号进行形态学峰谷提取,获取QRS波波形陡峭信息和幅度信息;然后,根据形态学峰谷提取结果,采用自适应阈值检测法初步定位QRS波;最后,利用估算出的R-R间期对QRS波检测结果进行评估和修正,并反复此评估修正过程直至获得满意结果。经MIT-BIH心律失常数据库验证,本算法具有很好的QRS波检测效果。     

基于小波变换的虚拟心电信号分析仪

针对心电信号自动分析和处理的需要,采用小波变换的方法对心电信号进行消噪、特征提取、压缩等分析与处理,并且结合虚拟仪器LabVIEW设计实现了多功能虚拟心电信号分析仪。实验结果表明,它对于心电信号的自动检测、优化分析和处理有重要意义。