基于BMD101的心率变异性分析系统设计

心率变异性分析在临床应用上发挥着重要的作用。针对现有心率变异性分析系统体积庞大、功耗较高、价格昂贵等问题,设计了一种基于高集成度心电信号检测和处理片上设备BMD101模块的心率变异性分析系统。首先通过BMD101模块采集人体心电信号,并转化成数字信号,然后通过串口送给计算机处理。计算机首先对心电数据进行预处理,提取出RR间期数据,然后进行时域和频域分析,获得所需要的心率变异性主要参数。实际测试结果表明:本系统采集的心电信号准确、稳定、噪声少,时域频域分析结果准确、可靠,且系统功耗低、体积小,能够实现基本的心率变异性分析功能,可满足临床便携式心率变异性分析设备的需求。     

基于改进的多时间尺度特征排列熵的 心率变异性分析研究

为了分析不同生理状态下人体心率变异性的差异性,并弥补传统心率变异性分析方法时间尺度特征单一的不足,本文结合了互补式集合平均经验模态分解和改进的排列熵算法对心率变异时间序列进行了具有多时间尺度特征的排列熵分析,并计算得到反映心率变异显著差异性的指标CEEMD-mPE.最后基于MIT-BIH心率失常数据库的实验结果分析表明,本文所使用的心率变异性分析方法相比于其他基于熵的分析方法具有更优异的表现.     

EMD与样本熵在往复压缩机气阀故障诊断中的应用

针对往复压缩机气阀故障信号冲击性、非连续性特点,采用EMD方法分解提取各频率故障信号。然后通过对数据重新筛选、提出主要振动信息对分解波形进行了重构。并对往复压缩机故障信号分解及重构数据进行了分析,提取了故障信息。针对正常与故障信号分解结果复杂度不一致的特点,对EMD分解后包含的故障信息主要分量进一步通过样本熵进行量化识别。最后通过对正常、阀片缺口、弹簧失效的实测信号进行EMD分解、重构和样本熵分析,精确提取了故障信息,验证了方法的有效性。     

基于小波变换的振动信号分形维数研究

针对传统分析方法对振动信号频率变化不明显、故障特征难提取等问题,基于小波和分形理论,通过计算振动信号盒维数,有效地提取了振动特征;提出小波分解振动信号高频系数盒维数计算方法,对振动信号的高频部分进行描述。实验证明:随着干扰信号的频率变化,振动信号小波分解后的高频部分分形维数在分段区间内比振动信号整体分形维数分段变化趋势更加明显,能更有效地反映故障频率变化,对开展设备的故障诊断研究具有现实意义。     

基于小波包-陷波器的电机断条故障诊断的仿真

转子断条是异步电动机常见的一种故障.基于小波包-自适应陷波器的电机断条故障诊断方法利用小波包对信号进行细致分解,从分解系数上准确找到故障信号所在节点,对该节点进行重构得到要分析的信号,然后采用自适应陷波器去除工频的干扰,提取故障特征量.MATLAB仿真表明,该方法便于故障特征量的提取,从而提高故障诊断的准确率.     

多通道胎儿心电提取的经验模态分解和准周期成分提取方法

针对多导联腹壁混合信号的胎儿心电信号（FECG）提取方法有很多,建立在统计独立性和非高斯性假设基础上的盲源分离算法是一类普遍被关注的方法。但是,由于混杂在腹部心电信号中的母体心电信号和多种复杂的生物电噪声的影响,以及腹部电极布置的不合理等因素,使得传统的盲源分离算法对FECG的提取结果往往不尽如人意。本文提出了一个基于经验模态分解和准周期成分提取的多通道FECG提取方法EMD-QPCE。首先,对各通道腹壁混合心电信号分别用经验模态分解方法分解为一系列固有模态函数（IMF）,消除IMF中母体心电信号的成分,以增强FECG的信息。然后,将各个通道信号相对应的IMF进行组合,用准周期成分提取方法提取FECG的信息。最后,由提取的含有FECG信息的IMF重构出FECG,实现多通道腹壁混合信号中提取FECG的目的。应用本文方法对DaISy数据库、ADFECGDB数据库和Challenge2013数据库中的真实心电信号进行实验,实验结果表明：与传统的独立成分分析、主成分分析和准周期成分提取方法相比,提取成功率和提取质量都得到了有效提高。在实验范围内,本文方法的FECG提取灵敏度Se在92.3%以上,阳性预测值 PPV大于98.8%,准确度指标F1大于95.4%,平均胎儿心率误差小于0.595%,具有非常好的准确度和精度,充分验证了本文方法的有效性和优越性。     

基于Hilbert-Huang变换的心率变异信号分析与处理

提出一种均匀重采样RR间期序列预处理方法,利用Hilbert-Huang变换进行心率变异信号的特征提取与RR间期序列的Hilbert谱分析.研究表明,该算法能明确RR间期序列的物理意义,能有效提取HRV中频率变化的有用信息,改善Hilbert谱估计结果,为心率变异分析提供新思路.     

数学方法在改善逆合成孔径激光成像雷达信噪比中的应用

阐述了两种基于数学方法的提高逆合成孔径激光雷达信噪比的方法,分别为固有值分解降噪法和奇异值分解降噪法。二者都是通过将回波信号在互成正交关系的纯信号空间和噪声空间进行投影,将原始综合信号分解成纯信号和噪声两部分,进而提取有用的回波信息。区别是二者对原始信号分解的方法不同。采用MATLAB软件对两种分解方法分别进行了仿真,并将结果作了对比和分析,指出了两种降噪法各自的优势和适用场合。     

脉搏呼吸率提取方法的研究

针对日常呼吸率测量仪器少的现状,采用从光电容积脉搏波信号PPG(photoplethysmography)中提取呼吸率的方法,提出了改进的脉搏差分时间间隔差算法,通过5名志愿者的实验数据,与标准参考CO2法、PPG频谱法和ECG心率变异性法得到的呼吸率相比,研究结果表明,改进的脉搏差分时间间隔差提取呼吸率算法切实可行。     

基于SSD和Teager能量算子的滚动轴承故障诊断方法

针对滚动轴承早期故障冲击信号较难提取的问题,提出基于奇异谱分解(singular spectrum decomposition,SSD)和Teager能量算子的滚动轴承故障诊断方法。首先,利用SSD分解振动信号得到一组不同频带分布的奇异谱分量(singular spectrum component,SSC);其次,根据峭度准则选取最佳SSC分量,利用Teager能量算子计算该分量的瞬时能量信号并对其进行傅里叶分析,从而得到信号的Teager能量谱;最后,根据能量谱图提取故障特征频率。将该方法运用到仿真信号和滚动轴承实测信号中,并和包络谱、EMD及EEMD方法进行对比分析,结果表明,该方法能有效解调故障特征信息,准确识别轴承故障类型,诊断效果更佳。     

平移不变小波医学图像融合方法

针对传统小波变换融合算法对细节信息的丢失问题,提出了一种新的基于平移不变小波变换的医学图像融合算法,采用灰度加权平均法进行低频部分融合;高频部分采用基于梯度能量的加权融合规则。实验结果表明,与传统的小波变换方法相比,文中方法融合效果更加理想,较多地继承了两幅源图像的重要信息,更好地描述了图像的细节部分,更具有实用性。     

基于小波分析的磁共振图像去噪方法研究

小波分析去噪是一种新兴的图像去噪方法。由于小波分析具有多尺度分辨和去相关性等特点，使得小波分析在去除高斯白噪声方面优于传统的图像去噪方法。但是，磁共振图像这种小波变换去噪后，纹理特征被弱化，图像的边缘变得模糊。针对以上问题，提出了基于小波变换的图像去噪新方法。此去噪方法对经典的小波去噪方法进行了改进，使基于阀值的小波分析在阀值处理上更精确，并具有自适应性。采用本方法处理的噪声图像与经典方法相比，图像的边缘信息更清晰，纹理特征增强，去噪能力也得到增强。[第一段]     

小波变换用于舰船辐射噪声调制信息检测

应用小波分析从舰船辐射噪声中提取调制信息,进行了仿真研究,供舰船识别利用.首先讨论了舰船辐射噪声的产生机理、构成和频率特性,指出螺旋桨噪声的振幅存在周期性调制.其次利用小波的多分辨分析的方法,在中低信噪比条件下,仿真实现了调制信号和舰船辐射噪声的分离.其结果表明,相对于传统DEMON分析,利用小波以及希尔伯特变换可以更快更好地提取舰船辐射噪声的调制信息.在水声信号处理领域,小波变换对于舰船调制信息提取是一种有效手段.     

飞机超速音频警告信号的提取与特征分析

为了弥补用传统舱音分析方法获取舱音背景声的特征不准确性,根据计算机音频原理和舱音译码系统,从飞机舱音记录器(CVR)记录的多种舱音信号中提取出了超速音频警告信号,得到超速音频警告简单特征;根据小波理论,找出了适合精确分析超速音频警告特征的一维离散多尺度小波分析方法,得到了信号的详细特征;经过小波系数分析,确定了超速音频警告最大幅值在CVR中精确位置.应用表明:文中研究方法和研究结果对调查飞机事故具有一定的指导价值.     

水力机组振动监测中小波的应用

小波变换能很精确地将振动的真实信号从受各种噪声严重污染的采集信号中提取出来,具有很高的信号去噪能力,它通过对仿真信号进行小波分解,抽取其低频系数进行频谱分析,提高了频率分辨率,在水力机组的振动监测中具有重要的应用价值.     

基于小波变换的麻醉监测脑电信号的分析与处理

针对中潜伏期听觉诱发脑电的特点，提出了利用小波变换的多分辨分析技术滤除被测信号的强噪声成分，重构真实信号来实现对中潜伏期听觉诱发脑电的提取方法；通过实验仿真表明：小波变换提取技术比其他传统提取方法更有效，可以减少试验次数，可以提供更为可靠的特征提取和模式识别的分析数据，这为麻醉深度的临床监测探索了重要的理论基础。     

基于小波变换消除信号噪声的研究

利用小波方法去噪是小波分析工程实际的一个重要方面。简单介绍了小波分解和重构,小波去噪原理,硬阈值法、软阈值法、平移不变量法。并且利用Matlab将几种典型的信号叠加高斯白噪声进行仿真。     

小波域CT/MRI医学图像融合新方法

针对传统小波变换融合算法对细节信息的丢失问题,提出了一种新的小波域CT/MRI医学图像融合算法,利用平均梯度和方差两个指标来指导低频分量的融合;对高频分量采用基于梯度能量比加权的融合规则。实验结果表明,与传统的小波变换方法相比,此方法能够充分地将两种不同模式的信息融合在一起,很好地保留原始图像的重要特征,融合图像包含更丰富、更全面的细节信息,有效提高了医学图像融合的信息量。     

小波变换在地震信号噪声处理中的应用

常规小波域阈值去噪方法未能充分利用地震信号相关性的特点进行去噪，只能去除地震信号中部分随机噪声，为此提出了一种小波域分时分频相关结合阈值去噪处理方法。该方法首先对小波变换后多个尺度上小波系数进行分时分频相关去噪处理，然后对处理后小波系数进行重构，并可去除大部分不相关随机噪声。对重构后地震信号再进行常规小波域阈值去噪处理以进一步去除噪声。模型测试和实际资料处理效果表明：使用该方法可以有效地改进地震信号去噪处理效果。