小波分析法在心电信号数字滤波中的应用

该文介绍了小波分析在数字滤波领域中的重要作用及其基本理论,并介绍了在心电信号数字滤波器,如何利用coniflet小波函数对原始的心电信号进行Mallat多分辨率分解和重建,并解决了小波分析在心电信号滤波中会遇到的三个实际问题：小波基函数的选取,确定心电信号及噪声的频域表现和小波在不同尺度下的通带。通过实验证明,用coiflet小波对心电信号进行数字滤波,能很好地换制信号中的基线漂移、工频干扰和肌电干扰。     

自适应小波阈值算法在心电信号去噪中的应用

针对常用的小波阈值算法存在的缺点和心电图信号的具体特征,提出了一种新的自适应阈值算法.该算法通过估计含噪信号信噪比的大小,自动调节阈值来抑制心电信号中的噪声.实验表明该算法能有效地实现心电信号的噪声消除,同时也为其他信噪比较低的生物医学信号处理提供了一种新的方法.     

基于小波变换的动态心电信号伪差识别

由突变干扰引起的伪差会严重阻碍动态心电信号的自动分析和正确诊断,常规的小波消噪方法无法消除这类伪差干扰。提出一种新的识别心电信号突变干扰的方法,即利用小波多尺度分解并结合阈值判定算法对突变干扰这类伪差进行自动识别。采用实测的30组动态心电信号对该算法进行测试,实验结果表明,该算法能快速、有效地识别动态心电信号中的突变干扰,正确检出率达到96．4％,为正确诊断动态心电信号提供保障。     

EMD分解与IIR滤波器在心电信号预处理的应用研究

在对心电信号进行自动检测之前,一般需要先对其进行预处理,以去除心电信号中的干扰和噪声。本文分析了EMD分解和IIR高通滤波器在去除基线漂移中的效果,同时比较了EMD分解后利用IIR窄带陷波器和直接使用IIR窄带陷波器去除工频干扰的效果。实验表明,EMD分解对去除心电信号中的基线漂移和工频干扰有较好的效果。     

改进小波阈值算法在心电信号去噪中的应用

心电信号（ECG）在采集的过程中总是参杂着各种噪声,可利用小波变换基本原理和方法进行去噪处理。对小波多分辨率理论进行研究后,在分析Donoho的软、硬阈值去噪法的基础上,提出一种改进阈值函数量化方法,改进阈值函数能克服软、硬阈值存在的缺陷,运用MIT-BIH心电数据库进行验证,并对ECG 信号用不同方法去噪后的结果进行了分析比较。实验表明,改进阈值方法可以有效地去除不同噪声干扰,在信噪比指标上也明显优于常用的软、硬阈值去噪方法。     

基于小波变换的肌电信号识别方法研究

针对肌电信号的非平稳特性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值构造特征矢量输入神经网络分类器进行模式识别,经过训练能够成功地从掌长肌和肱桡肌采集的两道表面肌电信号中识别展拳、握拳、前臂内旋、前臂外旋四种运动模式。实验表明,基于小波变换的神经网络分类方法所需的数据短、运算快,对于肌电假肢的控制具有良好的应用前景。     

离散余弦变换在心电信号压缩中的应用研究

目前心电（ECG）信号压缩是生物医学信号压缩的一个热门研究领域.临床诊断过程中,心电信号的存储与传输是一个有待解决的问题,由于采集到的原始信号数据量巨大,为了便于对大量的心电数据进行存储、分析和传输,对于这些数据的压缩处理是十分必要的.通过对心电数据压缩方法的概述与讨论,在研究国内外有关心电信号数据压缩算法及其研究状况的基础上,采用了离散余弦变换（DCT）算法对心电信号进行压缩,取得了较高的压缩比和保真度,具有一定的应用价值.     

小波变换在麻醉监测诱发脑电信号分类中的应用

采用小波变换方法对麻醉监测脑电信号进行分析,通过基于小波分解的能量特征提取方法提取麻醉状态下中潜伏期听觉诱发脑电的特征,并用BP网络分类器对提取的特征进行聚类,从而实现麻醉深度的估计,实验仿真结果表明了该方法的有效性。     

基于小波变换的心电图信号特征点检测

心电图信号特征点的检测是心电自动诊断技术的基础.利用小波变换多分辨分析对心电信号去噪,利用小波变换逼近信号滤除基线漂移,采用默认阈值处理滤除高频噪声,并且将心电信号的平均值置为0.在R峰检测中,针对单独考虑23细节信号会出现漏检的情况,综合考虑23和24两个尺度上的细节信息,能够有效地防止漏检.提出有效防止误检的方法,并取得了良好的效果.分别采用面积法、时间电压法、幅值法计算平均心电轴.比较结果发现,采用面积法具有精度高的优点.     

小波变换在有源电力滤波器谐波分析中的应用

为有效分析和解决有源阻抗变换,对使用小波变换检测谐波与间谐波的方法进行了研究,并在此基础上探讨了利用小波分析、研究时频阻抗的控制特性和频率特性的基本原理,提出了利用小波变换来分离谐波与间谐波的算法,并兼顾时域和频域的分辨率.仿真结果表明,该方法不仅具有高分辨率特性,能较好地找出APF的时频阻抗特性,可以较好地分析谐波,以使其跟踪特性最优,为有源电力滤波器谐波抑制提供了可行的解决途径.     

基于平稳小波变换的心电信号去噪研究

讨论了经典的离散小波去噪原理和平稳小波变换的原理，分析了阈值以及阈值函数的选取方法。并将经典的离散小波和平稳小波用于心电信号去噪处理。通过在不同阈值和不同阈值函数条件下对心电信号处理的去噪效果的对比研究，说明了平稳小波相对于离散小波不仅提高了信噪比，还较好的抑制了Gibbs现象，取得了更好的去噪效果。     

一种冗余小波变换的心电信号噪声消除方法

平稳小波变换去除心电信号噪声较好抑制了小波空间适应法消噪产生的伪Gibbs现象,但其重建过程相对复杂。提出对受噪声污染的心电信号移位一次,将移位信号及原信号分别进行正交小波变换阈值去噪,以它们的平均作为去噪结果。实验表明可以获得与平稳小波变换相同的去噪效果,但算法实现更简单快速。     

基于调Q小波变换的心电信号特征量提取方法

与传统的基于频域划分信号分解方法不同,提出了一种基于品质因数的自适应信号分解方法。利用调Q小波变换自适应生成品质因数不同的小波函数作为信号分解的基函数,利用Mallat塔式算法将复合信号分解为具有持续振荡特性的高共振分量和具有瞬态冲击特性的低共振分量,并将其用于心电信号的特征量提取。相比于小波分析、经验模态分解等方法,该方法可以有效地去除信号中的噪声及干扰,分离频谱混叠且振荡形式不同的信号。通过数值仿真和实例分析证明了该算法的优越性。     

基于Hilbert-Huang变换的ECG信号降噪方法

提出了一种新的ECG信号降噪方法.该方法以Hilbert-Huang变换(HHT)和阈值降噪方法为核心,将经验模态分解(EMD)分解出的各层固有模态函数(IMF)分为噪声成分起主导作用层和有用信号起主导作用层.对噪声成分起主导作用层采用Donoho等人提出的阈值估计法,对有用信号起主导作用层的噪声水平通过高频层的能量与平均周期的乘积来确定.讨论了噪声成分起主导作用层和有用信号起主导作用层的区分判别问题.该方法克服了阈值估计法对有用信号起主导作用层噪声水平估计的较大偏差.经实验验证表明,该方法能有效地滤除ECG信号检测中的几类主要噪声,且失真很小.     

基于小波变换的心电信号降噪处理

实测的心电信号不可避免地存在一些强干扰和噪声,为了实现准确地提取反映心电信号的特征信息,该文应用一维离散小波变换实现了对心电信号的降噪处理。实验研究结果表明,该方法能够有效地去除心电信号中的噪声,从而为心电信号特征信息的提取奠定了理论基础。     

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。     

一种改进的心电信号基线漂移矫正方法

传统滑动平均滤波法有实现容易、计算简单的优点,但在矫正心电信号的基线漂移时容易造成有用心电信号的丢失,从而使滤波后的心电信号产生失真.文中在传统滑动滤波器的基础上,考虑心电数据的采样率并进行跳跃采样对算法进行改进,给出了改进算法的数学模型,并利用MIT-BIH心电数据库中的实测数据对两种算法进行了比较验证.实验表明改进算法处理后得到的结果,在矫正心电信号的基线漂移时与原算法相比,减少了有用心电信号的损失,滤波后的心电信号失真更小,与原始数据的吻合度更高,效果更理想.     

基于小波包收缩的心电信号除噪方法研究

文章提出了一种新的基于小波包分析的心电信号的除噪方法。讨论了小波包收缩消噪的原理、阈值的选取以及阈值的量化规则。比较了选择不同的阈值以及不同的阈值量化规则对信号消噪的效果。结果表明基于小波包分析的小波包收缩除噪技术在保持信号奇异性的同时能有效的去除心电信号的噪声。     

小波变换在并联型有源电力滤波器中的应用

研究改善电网系统谐波的问题,电力系统中存在许多非线性负载,由此产生的谐波对电网的电能质量造成很大的影响,影响线路传输能力,并联型有源电力滤波器(SAPF)是抑制电网谐波电流的有效手段,主要包括谐波检测和跟踪控制两部分,其中谐波检测是有源电力滤波器的关键技术,分析了小波变换理论,并将其应用于电网谐波检测中,用仿真软件MAT-LAB对基于小波变换的谐波检测方法进行了仿真分析与研究,同时搭建了基于小波变换的并联型有源电力滤波器系统的仿真模型,仿真结果表明小波变换的并联型有源电力滤波器能够有效地抑制电网谐波电流,提高了电网传输效率。