基于EMD的多带滤波器去除脉搏基线漂移

脉搏信号分析是中医客观化研究的一个重要组成部分,高质量的脉搏信号又是脉搏信号分析的基础,但是脉搏信号往往含有基线漂移的低频成分.本文根据基线信号的特点和固有模态函数(IMF)的性质,提出了一种基于经验模态分解(EMD)的多带滤波体系去除脉搏基线漂移的新方法.另外,对该方法进行了仿真实验,并且与其他几种滤波方法(形态滤波、时变滤波和样条估计)进行了定量的比较,实验数据表明本文提出的方法对于去除脉搏基线漂移有较好的效果.     

基于改进EEMD的心电信号基线漂移消除方法

针对传统方法滤波效果不佳的问题,本文提出了基于改进集合经验模态分解（Ensemble empirical mode decomposition,EEMD）的消除心电信号基线漂移方法。该方法克服了经验模态分解（Empirical mode decomposition,EMD）模态混叠的问题,并对EEMD方法存在的问题和不足进行改进,建立集合经验模态分解方法中加入辅助白噪声大小的可依据准则,从而确定加入的辅助白噪声大小以及集合平均次数这两个重要参数。它从含噪心电信号中提取基线漂移信号,然后重构其余本征模函数（Intrinsic mode function,IMF）分量得到"干净"的心电信号,为后续的研究提供前提。经实验验证表明：相较于传统方法,这种方法能够提高信噪比、降低均方差、保持特征波形、去噪更加彻底,很好地解决了心电信号低频成分损失的问题。     

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.     

基于机器学习心肌梗死患者的心磁信号诊断

使用机器学习方法对心磁数据样本有无疾病进行诊断分类.首先从心磁数据中提取除极阶段(TT间隔)的数据构建磁场图,然后求解电流密度图,从电流密度图中提取相关的磁场特征.针对非平衡数据分类问题,分别使用样本加权的SVM、LR、KNN、Adaboost和XGBoost五种学习模型进行训练,在此基础上设计了使用加权的LR和KNN...     

基于巨磁阻抗传感器的心磁信号检测的研究

针对心磁图仪诊断技术在临床上的普及需求和心磁图检查费用高昂的矛盾现状,提出了一种基于巨磁阻抗传感器的心磁信号采集和信号处理方法。该方法依据心磁信号和心电信号的相关性,通过以巨磁阻抗传感器为核心的数据采集电路,同步采集两种信号,并根据功率谱密度分析结果,自动调整带通滤波器的参数,使其能自适应跟踪心电信号的频率,滤除噪声信号,最后取得心磁信号。通过实验证明了该方案可在常温下准确测得心磁信号,且设备维护成本低,操作简单易行。     

数学形态学滤波器的优化设计

数学形态学滤波器作为图像处理领域中的一类重要的非线性滤波器已被广泛地用于图像降噪、边缘检测和模式识别等图像处理技术之中,然而其处理效果的好坏却严重地依赖于结构元素的形状和大小。在传统的形态滤波器的设计中,结构元素的选择完全凭借设计者的经验,因而很难保证所选择的结构元素为最优结构元素。针对此问题,该文应用遗传算法对形态滤波器设计中的结构元素进行优化,通过对样本图像的学习训练,获得基于优化结构元素的形态滤波器,并在此基础上设计了一种简单、实用的自适应优化滤波算法。该算法的有效性用计算机仿真实验进行了验证。     

基于数学形态学的灰度线形态识别研究与开发

灰度线形态特征识别是许多工程模式识别系统的重要部分,该文提出了一种采用CB形态滤波的算法来提取线形态,并结合结构元素分解的方法加快图像处理的运算速度,使识别算法在速度和效果方面都得到了较大提高。     

一种消除脑血流信号中基线漂移的新方法

目的:目前消除脑血流信号中基线漂移的很多方法在实际测量过程中很难取得理想的滤波效果,本文提出了一种基于三次样条插值技术消除基线漂移的方法.方法:首先检测出脑血流信号中的特征点,然后根据检测出来的特征点利用三次样条插值技术拟合出漂移的基线,再把原始的脑血流信号与拟合的漂移基线相减,就能得到比较平稳的脑血流信号.结果:在LabVIEW软件开发平台中实现了去基线漂移处理,也进行了仿真实验和临床测试.都取得了较理想的效果.结论:这种基线消除方法效果好、速度快、易于实现,它在有嵌入式微处理器和对实时性要求较高的脑电监护仪器中具有很高的应用价值,在其它的信号检测仪中也可应用.     

基于形态学和小波变换的心电信号去噪算法

在处理心电信号采集过程中混入的基线漂移、工频干扰及肌电干扰等噪声的过程中,小波变换取得了广泛的应用。针对小波算法的缺陷及不足,提出了一种基于数学形态学和小波阈值的混合算法。该算法利用非线性形态学滤波器滤除基线漂移,将获得的含高频噪声心电信号通过小波阈值算法进行处理,最后获得无噪声的ECG（心电）信号。采用MIT/BIH Arrhythmia Database中的数据对算法进行了验证,实现了三种主要干扰的滤除,本算法效果良好,为后续特征点的识别奠定了基础。     

应用于无屏蔽环境的心磁测量系统研究与设计

设计了一种基于高平衡性二阶梯度仪的9通道心磁图仪并对其进行了系统的性能测试,证明其实现了无需磁屏蔽室即可进行的高精度心脏磁场测量。本系统的探测端由9个以碳纤维复合材料作为基底的探头组成,通过自主定位,可在胸前4个方形区域以1 000 Hz的采样率采集36点的心磁信号,同时软件端对采集到的数据进行处理,得出电流密度矢量图、等磁图等一系列图形。主要基于该系统进行了多方面的性能测试,测得定位精度、磁场-模数转换器采样率传输系数、磁场分辨率等。并且对两名志愿者进行了实际测量,记录其心磁信号并生成等磁图,并根据等磁图进行了心脏健康程度判断,结果与志愿者病史相吻合。     

卷积形态滤波与图像去噪

本文提出的卷积形态变换是一种新的形态变换形式,具有线性卷积的结构和形态变换的性质。这种新的形态变换以乘性结构元素为特征,它不同于具有加性结构元素的普通形态变换,对于它们的性质和结构的研究也是本文的主要工作之一。另一方面的工作是针对卷积形态核提出了一种结构化的自动生成算法。研究表明,卷积形态滤波与卷积积分变换一样,对于图像具有去噪和平滑作用,且在实验效果上具有较通常的形态滤波和线性卷积变换更优的去噪和平滑功能。     

形态滤波在实时信号处理中应用的研究

为实现形态滤波在实时数字信号系统中的应用,通过对一维形态滤波算法理论分析,推导出可用于实时运算的表达方式.对结构元素进行讨论,揭示了结构元素在实时信号处理中选取的一般规律.通过实验实现对数字信号的实时滤波,验证了结构元素的不同选取与滤波效果的关系.此方法具有处理速度快,滤波效果好,通用性高的特点,可应用于多种信号的实时处理.     

改进的经验模态分解法去除脉搏波基线漂移

脉搏波信号中含有丰富的人体生理病理信息,然而基线漂移的存在严重影响人体生理参数的准确提取,需要予以去除。针对传统经验模态分解（EMD）方法在去除基线漂移时,通过经验来确定基线漂移信号所在的固有模态函数阶数,导致去噪性能下降。根据EMD分解过程中固有模态函数的特性,提出基于过零率检测的方法进行算法改进,通过计算每阶固有模态函数的总过零率,设定阈值来确定基线漂移阶数。仿真实验结果表明：该改进算法科学严谨,能够有效地去除脉搏波基线漂移,提高了信噪比,有利于提高基于光电容积脉搏波提取血压、血氧等人体生理参数的精度。     

一种灰度形态算子的构造方法

提出了采用灰度结构元图像的灰度形态算子的构造方法。所构造的形态算子采用了适合灰度结构元图像与灰度图像间操作的结构，其相应的操作具有较明确的物理解释，从而适合招待灰度图像处理任务。     

干涉合成孔径雷达基线估计要素分析

基线是干涉合成孔径雷达(InSAR)工作原理中的关键参数。它既使图像对产生了相干性，又是干损的根源之一。准确的理解它是掌握InSAR原理与相应的成像处理的基础。在DEM误差允许的条件下，一定存在着使DEM精度最好的最优基线。本文主要论述了基线、基线相干损失、极限基线和最优基线的概念及其相互关系，并给出了极限基线的表达式。建立了最优基线模型，最后通过仿真实验证明了该模型的有效性。     

基于显著图的可变模板形态学去雾方法

针对暗通道先验去雾中存在的光晕现象和天空区域颜色失真现象,提出了一种基于自适应可变形结构元（Adaptive deformable structuring element,ADSE）中值滤波结合灰度形态学重构精细化透射率的方法.该方法利用透射率与图像细纹理结构的无关性,由有雾图像的灰度图计算显著图（Salience map,SM）,将SM作为导向图计算ADSE,用生成的ADSE对最小颜色通道图像进行自适应中值滤波运算;其次,以粗估计暗通道图像为标记图像,以自适应中值滤波后的图像作为模板图像进行灰度形态学重构运算,获得精细化暗通道图像,继而得到精细化透射率;最后,针对天空区域,引入最优化透射率方法,对天空和非天空区域做统一的运算得到最终透射率,完成图像去雾.本文算法对真实场景具有很好的去雾效果,同时,基于形态学的运算易于并行化和硬件实现.     

基于时间序列分析的Kalman滤波方法在MEMS陀螺仪随机漂移误差补偿中的应用研究

从工程实用的角度出发,探讨了MEMS陀螺仪随机漂移误差的有效补偿方法.首先采用时间序列分析的方法建立了MEMS陀螺仪的随机漂移误差模型,然后阐述了用基于时间序列模型的Kalman滤波方法减小该漂移误差的具体方法.对某MEMS陀螺仪实测数据的误差补偿结果表明,所介绍的滤波方法能够有效地抑制其漂移误差,提高MEMS陀螺仪在实际系统中使用精度.     

Sensor‐Based Long Baseline Navigation: Observability Analysis and Filter Design

This paper presents a novel long baseline (LBL) position and velocity navigation filter for underwater vehicles based directly on the sensor measurements. The solution departs from previous approaches as the range measurements are explicitly embedded in the filter design, therefore avoiding inversion algorithms and allowing also the consideration of the cases of reduced numbers of readings, in particular when there are only two or three distance measurements. The nonlinear system dynamics are considered to their full extent and no linearizations are carried out whatsoever. The filter error dynamics are globally exponentially stable (GES) and it is shown, in a realistic simulation environment, that the filter achieves similar performance to the extended Kalman filter (EKF) and outperforms linear position and velocity filters based on algebraic estimates of the position obtained from the range measurements.