基于希尔伯特变换和自适应阈值的R波检测算法

提出一种基于希尔伯特变换和自适应双阈值的R波检测算法。首先对预处理后的信号进行幅度归一化和希尔伯特包络分析;然后采用自适应双阈值法检测R波;最后,根据增强后的信号定位检测到R波的位置。使用4个具有不同频率和信噪比的数据库(MIT-BIH心率失常数据库、QT数据库、NST噪声数据库、European ST-T数据库)和临床采集心电数据对所提算法进行性能评估,结果表明,各种不规律和含有严重噪声干扰的心电信号中R波的位置依然能被所提算法准确检测出。在MIT-BIH心律失常数据库中,总体数据检测的敏感性、阳性检测度和准确率分别达到了99.36%、99.77%和99.13%,每条记录平均消耗时间比传统的Pan and Tompkins算法大大缩短。实验结果表明该算法具有良好的鲁棒性和实时性。     

基于小波分析和Hilbert变换的R波检测算法

提出了在心电信号中定位R峰的一种新的鲁捧算法.利用小波工具滤波,然后结合心电信号的一次微分和一次微分后的的Hilbert变换,使得R峰突出,P波和T波减弱.另外,噪音、基线漂移、运动伪迹都最小化,伪迹受到抑制.通过经验的R峰时间间隔,预估和应用幅度阈值可以很容易地将R峰找出来.用MIT_BIH心律失常数据库的纪录测试了该算法,平均检测率达到了99.91%.该算法可靠且实现简单,用于其他生理信号如心音信号分段也有较高的正确率.     

基于形态小波的QRS波检测算法

根据心电信号中QRS波群的特点,提出了一种基于小波变换和数学形态学相结合的形态小波检测算法。小波变换方法对突变信号在时频域都具有优异的辨识能力及“可变焦距”的优良特性;数学形态学是基于信号局部特征的,能够在时域上提取信号的峰谷信息。将这两种方法结合起来,利用MIT/BIH心电数据库进行验证,QRS波群的检出率高达99.84%。     

一种改进差分算法及其在QRS波检测中的应用研究

文章使用一种改进的差分阈值算法来实现心电图QRS波的检测。实验证明,该算法的检测误差率在1%以下,同时还具有计算量小、实时性强等特点。区别于传统自适应算法,该算法能够在干扰较强的情况下实现QRS波的精确定位。算法实现如下:首先,通过一阶差分与二阶差分相结合的方法确定QRS波群;其次,通过自适应阈值确定Q,R,S峰的位置;最后,基于以上参数,采用窗体法确定出P波和T波的位置。     

基于小波变换和脊波变换的自适应图像去噪算法

为了克服单纯小波变换或脊波变换的不足,提出了基于小波变换和脊波变换的自适应去噪算法。实验结果表明,在处理点奇异性和线奇异性的图像时,该方法比单纯小波变换或脊波变换的阈值去噪算法更具优越性,在实际应用中更为有效。     

小波滤波与QRS波检测

利用双正交样条小波等效滤波器,实现了ECG信号的小波分解和重建。分析心电信号奇异点与其小波变换模极大值对的零交叉点的关系,提出了心电信号QRS波检测的算法。在检测算法中还使用了一系列策略来提高算法的抗干扰能力和QRS检测的准确性。经MIT/BIH心律失常数据库验证,QRS波的正确检测率达99.506%。最后将该算法应用到Windows Mobile智能手机上的心电监护系统中,达到令人满意的效果。     

mexican-hat小波在QRS波检测中的应用研究

提出了一种基于小波变换,结合多种判别修正方法的QRS波检测算法。首先采用mexican-hat小波对信号进行小波变换,在第3尺度上采用模极大值阈值法对R波进行检测。其次采用平面几何的数学方法定位Q波和S波。对于高尖P波和大T波造成的误检,采用弧度法进行纠正。对于高频干扰造成的影响用QRS时长法予以排除。该算法经过MIT-BIH Arrythmia Database的心电数据验证,取得了满意的结果。     

基于小波变换的心电图QRS波群峰值检测

该文给出了一种利用高斯一阶导数小波变换对心电图（ECG）QRS综合波峰值进行检测的方法。该方法的基本思想是：首先对ECG信号在小尺度上进行小波变换,然后利用系数中的极大极小值对来确定原始信号峰值（R峰或QS尖峰）的范围,进而返回原始信号定位峰值点。使用该方法对MIT—BIH Arrhythmia Database提供的30分钟的真实ECG记录进行仿真分析,结果显示该方法能较好的检测QRS波,并较为精确的定位峰值点。     

基于FPGA的实时QRS波检测系统设计

根据在线心电信号自动分析系统的实时性要求,提出了一种基于现场可编程门阵列的QRS波检测解决方案和硬件结构。该方案采用离散小波变换(DWT)算法结合阈值检测算法进行特征点提取,克服了传统算法受噪声、基漂、杂波等影响的缺点,逻辑简单,适合硬件实现。     

基于小波变换和曲波变换的图像边缘检测新算法

针对图像处理中的边缘检测问题,提出了一种基于小波变换和曲波变换的图像边缘检测新算法。首先对原始图像进行小波变换得到小波边缘图像;然后对原始图像进行曲波变换并使用Canny算子得到曲波边缘图像;最后基于小波变换的窗口内边缘强度自适应融合算法将小波边缘图像和曲波边缘图像进行融合得到最终边缘图像。该方法结合了小波变换描述图像细节特征的优势和曲波变换处理曲线或直线边缘特征的优势,能全面刻画边缘图像的纹理与细节信息,提高了图像清晰度。仿真实例表明了该算法的有效性。     

基于3次B样条小波变换的改进自适应阈值边缘检测算法

针对含噪声图像边缘提取问题,提出了一种改进NormalShrink自适应阈值去噪算法。该算法首先通过小波变换和局部模极大值法提取出可能包含图像边缘特征的小波系数,利用边缘像素之间特殊的空间关系以及噪声在各级小波分解尺度下的不同效应,构建适合各个尺度级的改进NormalShrink自适应阈值,并依此对提取出的小波系数进行筛选。实验结果表明,与改进的Candy算子和传统的NormalShrink自适应阈值相比,本方法提取出的图像边缘较为完整清晰,峰值信噪比提升约6 db。     

基于小波分析的边缘检测技术研究

边缘检测是图像检索的关键技术之一。边缘检测方法比较多,但这些算法各有自己的特点和特定的应用领域。现在提出一种新的边缘检测算法,该算法以小波分析为基础,通过对原始图像进行小波变换实现边缘检测,具有良好的检测效果。     

基于小波变换自适应门限信号预处理

在测控系统中遥测数据野点的存在给数据的进一步处理带来严重的困难,由于传统的野值剔除方法无法完全保留信号的高频信息,提出一种基于小波变换和矩分析理论的野值剔除新方法。该方法以原信号小波分解后的低频成分作为原信号的估计并对残差进行自适应野值剔除,将剔除野值后的信号重构,得到野值剔除后的理想信号。与传统方法相比,该方法既保留了信号的高频成分又有效剔除了野值。对固定门限和自适应门限两种野值剔除方法进行Matlab仿真比较,结果表明,自适应野值剔除方法对数据野值剔除具有很好的效果。     

基于小波变换的含噪图像边缘检测算法

针对含噪图像边缘检测时出现的噪声去除不完全和边缘定位不精确的问题,本文提出一种改进的图像边缘检测算法,该算法首先根据范数性质改进对图像进行小波变换求模极大值边缘检测时的梯度模算法,然后对得到的边缘图像利用本文所提出的阈值算法处理,最后连接图像,得到最终的图像边缘。计算机仿真结果表明,对于含噪图像,改进的算法能得到较为理想的图像边缘信息,实现了去噪和目标边缘精确定位的双向平衡,与传统的检测算法相比,检测效果有一定的提高。     

基于非线性能量算子的心电信号R波检测方法

将Marr小波变换和非线性能量算子相结合实现了心电信号的R波检测,心电信号的Marr小波分解信号很好地抑制了各种噪声干扰,结合非线性能量算子运算可突出了QRS波的特征点,使得阈值检测便于实施,利用修正策略提高了R波检测率,经MIT/BIH标准心律失常数据库验证,R波的检测率可达到99.7%,该方法对于心电信号的自动分析系统具有应用价值。     

互为Hilbert变换对的双正交小波构造

证明了两个双正交小波滤波器组构成Hilbert变换对的充要条件,并从理论上说明了两个线性相位双正交小波系统构成Hilbert变换对的必要条件是它们的长度分别为奇数和偶数．在此基础上通过选择合适的小波消失矩和优化过程中的目标函数,提出了一种构造这类Hilbert变换对的新算法．采用该算法不但可以得到系数对称的线性相位小波滤波器组,而且在性能基本相当的条件下,滤波器长度较已有算法大幅度减小（以13／19和12／16小波为例,可以降到约为原来的1／2）．通过适当调整设计参数,还可以得到全为有理系数的小波滤波器,从而进一步减少计算代价．实验表明上述构造得到的Hilbert变换在用于复数小波进行图像去噪时,处理时间可以降低为原来的2／3左右．     

基于小波变换的脑电瞬态信号检测

在脑电（ＥＥＧ）信号分析与处理过程中,瞬态信号的检测和定位具有非常重要的实际意义,传统的瞬态脉冲检测方法是匹配滤波,但匹配波滤需要有关瞬态信号的先验知识,因而在实际应用中受一定的限制,本文用小波变换对含有瞬态干扰的脑电信号进行多尺度分解,在某些尺度下,瞬态信号特征得以明显增强,用简单的阈值比较就可以有效地检测并消除瞬态干扰,实验结果表是有,在缺乏先验知识的条件下,小波变换能有效检测出脑电信号中短时,低能量的瞬态脉冲。