基于MP稀疏分解的心电身份识别

心电信号在医疗方面的应用有着广泛的研究,然而心电信号反映了人体心脏的生理活动,不同人的心电信号各不相同,因此可以用作身份识别.该文采用Gabor原子库对心电信号进行基于MP的稀疏分解,分解后所得的原子参数和投影值中包含该信号的重要信息,将其作为特征参数,并采用支持向量机对其进行分类.通过对20个人的心电信号进行实验,识...     

平稳小波变换和新阈值函数用于心电信号去噪

心电信号采集过程中容易受到基线漂移、工频和肌电等噪声的干扰.为了提高心电信号的信噪比,结合平稳小波变换,在使用小波阈值去噪法去燥过程中,提出一种有别于常用软硬阈值函数的新的阈值函数.通过分析实测数据验证新阈值函数,结果表明,该方法更加有效地抑制了心电信号中混入的基线漂移、工频和肌电噪声,且较好地保留了原始心电信号的特征.     

基于经验模式分解和最小二乘支持向量机的胎儿心电信号提取

针对心电信号的非平稳特性,将非平稳信号处理方法与非线性估计方法相结合,提出一种从母体腹壁混合信号中提取胎儿心电信号的新方法。采用经验模式分解(EMD)方法将非平稳的母体心电信号分解为有限个本征模函数(IMF)和一个残差信号;母体腹壁混合信号中的母体心电成分为母体心电信号的非线性变换,采用最小二乘支持向量机(LSSVM)拟合这一非线性变换;将EMD分解所得的本征模函数和残差信号经由所拟合的非线性变换得到母体腹壁混合信号中母体心电成分的最优估计,从母体腹壁混合信号中减去该最优估计得到胎儿心电信号。引入基于特征值分析和基于互相关系数计算信噪比的方法,评估胎儿心电信号提取方法的性能。实验结果表明,在胎儿心电信号和母体心电信号QRS波分离或者重叠的情况下,通过本文提出的方法均可得到清晰的胎儿心电信号,且信噪比相对于传统方法有明显提高。实验结果验证了该方法的有效性。     

基于HHT的心电信号滤波算法的研究

针对心电信号具有非线性、非平稳弱信号的特点,借鉴小波滤波算法的思想,基于HHT变换,提出一种去除噪声对应尺度细节分量和阈值相结合的HHT心电滤波算法.并借助MATLAB仿真平台,采用同一阈值函数,对含噪心电信号分别运用小波滤波算法和基于HHT设计心电滤波算法进行滤波仿真比较.最后以MIT-BIH心律失常数据库中的提供的含噪心电信号作为数据源,进行仿真滤波实验,验证了HHT滤波算法对心电信号的基线漂移、工频噪声、肌电干扰去除的有效性.     

一种滤除心电信号50Hz工频干扰的算法

心电信号在采集、转换以及传输的过程中,因为受到设备、环境以及人体因素的影响,所采集到的心电信号常常伴有干扰,其中50 Hz工频干扰是影响心电信号识别的一个重要因素。在Levkov滤波的基础上,结合基于小波变换的QRS检测函数,对心电信号中工频干扰进行滤除。经过实验,该算法行之有效并且取得了较好的滤波效果。     

基于DSP的心电信号除噪声方法研究

在广泛研究和对比其他常用方法的基础上,使用了基于频率域的滤波法和最小二乘估计法,得到心电病理特征明显的心电信号图形,两种方法相结合可以成功的消除心电信号中的白噪声和50 Hz工频干扰的影响.经过实验,得到一个心电病理特征明显且是低噪声的心电信号周期.改进了传统方法的不足之处,得到了有临床医学价值的心电信号波形.     

一种压缩感知域心律失常心拍识别方法

为实现压缩域心电信号的直接识别,提出了一种基于级联深度稀疏学习的压缩域心律失常心拍识别方法。对心电信号进行压缩传感采样;通过级联深度稀疏滤波模型对压缩域心电信号进行特征学习;并将学习后的特征以及对应心拍的前、后向RR间期作为支持向量机的输入进行心拍分类。实验结果表明:该方法在压缩比为2倍时,能够对四类心电信号实现准确率为95.53%,误判风险为0.8%的压缩域下的高准确率直接识别。     

膈肌肌电信号中心电干扰去除技术的一种方法

本文基于小波信号分解与重建理论和自适应滤波技术相结合的方法,以去除膈肌肌电信号中的心电干扰. 首先,采用小波分解把肌电信号中包含心电干扰的低频段分离出来,这部分信号经过自适应滤波处理后压低膈肌肌电信号,突出心电信号,然后从肌电信号中减去通过自适应滤波得到的心电噪声,再与处理后的细节进行小波的信号重建,得到心电干扰较少的EMGdi信号. 通过对真实的临床医学数据处理,并与常用的高通滤波方法作比较,结果表明,本文所提方法的输出信号的信噪比明显提高,对比处理前后信号的功率谱发现处理后的信号的频谱明显向高频移动,表明该方法取得了较好的去噪效果.     

脑梗塞时心电信号和脑电信号的相关性分析

心电信号与脑电信号在心脑血管健康评测方面具有重要而不可替代的位置。临床中发现脑梗塞会引发心电信号和脑电信号同时产生异常现象,然而关于脑梗塞时引发的异常脑电信号和心电信号之间的关系研究甚少。通过FP-Growth算法研究,利用小波变换提取信号的特征值,对脑梗塞时心电信号和脑电信号的特征值进行关联分析,结果表明脑梗塞时脑电信号和心电信号存在关联关系,对脑梗塞疾病的预防及早期治疗具有重要的参考价值。     

基于稀疏编码阈值的平移不变法心电信号去噪

小波去噪易在Q、S波产生Pseudo-Gibbs振荡现象.为克服这个问题,该文然后提出了一种以改进阈值即稀疏编码阈值为依据对心电信号进行平移不变的去噪处理.用模拟信号和MIT-BIH心电数据库仿真,结果表明,该方法很好地保护了心电信号的有用特征,且具有更高的信噪比.     

用于社区医院的无线心电监护系统设计

针对现有心电监护仪实时性差及难以实现集中监护等问题,提出一种用于社区医院的无线心电监护系统的设计方法。系统硬件选用高性能的ARM9（AdvancedRISCMachines）作为微处理器,蓝牙模块作为无线数据传输装置;软件选用WindowscE嵌入式操作系统。实验结果表明,系统能实现实时心电数据采集、压缩存储、异常心电分析、显示、报警以及数据无线传输等功能。具有功耗低、体积小、抗干扰能力强和操作简单等优点。     

基于LS—SVM的福房价格指数预测

提出一种基于最小二乘支持向量机（LS—SVM）的福房指数预测方法。采用感知机核函数、多项式核函数和高斯核函数进行仿真模拟,经过参数选优建立了精度较高的福房指数预测模型。预测结果表明,利用LS-SVM模型进行预测具有误差小、拟合程度高等优点,可适用于房地产价格指数的预测。     

基于QPSO参数优化的LS-SVM智能标定

研究粒子群算法（PSO）优化最小二乘支持向量机（LS-SVM）的参数时,受到搜索空间有限的限制,容易陷入局部极值,直接影响罐容表的标定精确度的问题。针对该问题,作者采用量子粒子群算法（QPSO）选取LS-SVM的径向基核参数进行优化,建立了基于QPSO-LS-SVM的罐容表标定的软测量模型。仿真实验结果表明：该方法不用...     

基于QPSO参数优化的LS-SVM智能标定

研究粒子群算法（PSO）优化最小二乘支持向量机（LS-SVM）的参数时,受到搜索空间有限的限制,容易陷入局部极值,直接影响罐容表的标定精确度的问题。针对该问题,作者采用量子粒子群算法（QPSO）选取LS-SVM的径向基核参数进行优化,建立了基于QPSO-LS-SVM的罐容表标定的软测量模型。仿真实验结果表明：该方法不用建立复杂的机理模型,只需利用QPSO-LS-SVM算法进行软标定,大幅度缩短了训练建模时间,提高了运行效率。     

随机利率下定期寿险趸交纯保费模型

定期寿险是人寿保险体系的重要组成部分,其合理的定价受到越来越多的关注。本文依据时间序列理论,基于信息力序列条件异方差的ARMA（p,q）-GARCH（r,s）模型,针对固定保险金额的定期寿险,建立了随机利率下的定期寿险趸交纯保费的数学模型,并通过实例分析说明该模型的合理性。     

GASA—SVM改进算法及其在柴油机供油系统故障诊断中的应用

针对目前支持向量机（SVM）参数选择的盲目性,结合遗传算法GA的并行搜索和模拟退火算法sA的概率突跳特性,提出一种改进的基于遗传退火算法（GASA）混合策略优化支持向量机惩罚函数和核函数参数的GASA-SVM算法。利用柴油机供油系统油压波形的实测数据,归一化处理后作为诊断模型的特征值,建立了基于GASA-SVM的柴油机供油系统故障诊断模型。通过与BP神经网络、RBF神经网络、SVM和GA-SVM故障诊断模型比较表明：应用GASA．SVM建立的故障诊断模型在故障识别准确性上优于其它网络模型,能够有效进行柴油机供油系统的故障诊断。     

基于KPC-kNN方法的批次过程故障诊断

为克服FD-kNN算法的计算量和存储量特别大,PC-kNN主元仅仅能体现过程中线性信息的不足,提出一种基于KPC-kNN的故障诊断方法.在KPCA提取非线性信息后,在核主元空间里应用kNN算法,计算k个最近样本的距离平方和作为统计指标,使用核密度估计方法计算训练空间的控制限.半导体工业实例的实验结果验证了所提方法的有效性.     

非线性滤波算法的性能分析

对目前非线性滤波的主要算法即扩展卡尔曼滤波、不敏卡尔曼滤波、粒子滤波、扩展卡尔曼粒子滤波和不敏粒子滤波的滤波模型、适用条件、性能进行了分析比较,给出了每种方法的计算复杂度.通过一个非线性非高斯模型进行了仿真,验证了这些算法的性能.     

基于MSP430的便携式心电图采集系统设计

针对心电图数据采集仪器体积大、功耗高、移动性能低和续航能力差等问题,设计一种基于MSP430的便携式心电图采集系统。该系统以MSP430F149单片机为主控芯片,从专用生物电采集芯片ADS1291采集前端通过SPI接口获取2个24位数据,经过解码、数字滤波以及重新编码后存储到外部Flash芯片中,同时将处理后的心电数据通过串口发送至HC-05蓝牙模块,并扩展至具有蓝牙通信功能的移动终端。测试结果表明,该系统可准确、实时地测量人体第一导联心电图,具有体积小、功耗低、准确性和稳定性高等特点。     

基于SKO—KPCA和SVM的雷达目标HRRP特征提取与识别

将依赖数据变化的自适应SKO技术和迭代算法引入KPCA算法中,结合SVM分类技术,提出了基于SKO—IKPCA和SVM的雷达目标HRRP特征提取与识别方法。讨论了HRRP预处理、迭代KPCA算法和SKO／FKO技术的实现方法,将SKO／FKO技术应用到KPCA的核优化中,并用人工合成数据对其优化性能进行了测试与比较,应用该方法对su-27、F-16及M2000等三类飞机目标的实测HRRP数据进行了特征提取与识别实验。结果表明,所提方法具有较好的稳定性和可靠性,能有效地优化雷达目标主元特征的提取,提高目标的识别性能。