基于集合经验模态分解和信号结构分析的心电信号R波识别算法

R波作为确定心电信号各波段的重要参考,是心电自动分析的前提.针对大多数R波识别算法的预处理过程影响识别准确度和耗时问题,该文提出一种基于集合经验模态分解(EEMD)和信号结构分析的算法对带噪心电信号(ECG)的R波直接进行识别.首先通过EEMD将带噪声的心电信号分解成一系列本征模态分量,然后对分解后的各模态分量作独立成...     

基于集合经验模态分解和信号结构分析的心电信号R波识别算法

R波作为确定心电信号各波段的重要参考,是心电自动分析的前提.针对大多数R波识别算法的预处理过程影响识别准确度和耗时问题,该文提出一种基于集合经验模态分解(EEMD)和信号结构分析的算法对带噪心电信号(ECG)的R波直接进行识别.首先通过EEMD将带噪声的心电信号分解成一系列本征模态分量,然后对分解后的各模态分量作独立成分分析以提取出R波特征最明显的成分,对该成分进行结构分析,从而实现对R波的准确定位.仿真结果表明,该文算法对带噪声心电信号的R波识别具有更优性能,对异常心电信号的R波识别也具有明显效果.     

基于FPGA的心电信号R波提取

针对提取人体心电信号R波时存在基线漂移、工频干扰、肌电信号等干扰的难题,提出了一种基于MATLAB和FPGA共同提取心电信号R波的算法.首先,利用MATLAB对心电信号中R波的提取进行算法设计与研究,然后,为了能实时分析和处理心电信号,通过FPGA的FIR IP核配置带通滤波、导数滤波、滑动平均滤波器,对滤波后的心电信...     

基于平稳和连续小波变换融合算法的心电信号P,T波检测

P, T波的检测在临床上是心血管疾病诊断的重要依据。由于其波形能量低、形态复杂,极易受到噪声干扰,导致现有检测算法精度仍有待提高。该文提出平稳和连续小波变换融合算法检测P, T波,利用连续小波变换的多尺度信息,获取心电图(ECG)信号中P, T波主要成分,融合其平稳小波对P, T波候选段进行平滑处理,消除波形中锯齿状毛刺对峰值点检测的影响,最后对P, T波过零点进行时移修正,保证过零点还原到原始信号过程中能够准确对应其峰值点,从而提高P, T波检测精度。该文算法在MIT-BIH arrhythmic数据库上进行验证,最终P波的误差率、敏感度、正确预测度达到：0.23%, 99.85%, 99.90%;T波的误差率、敏感度、正确预测度达到0.27%, 99.85%, 99.87%。     

基于平稳和连续小波变换融合算法的心电信号P,T波检测

P, T波的检测在临床上是心血管疾病诊断的重要依据。由于其波形能量低、形态复杂,极易受到噪声干扰,导致现有检测算法精度仍有待提高。该文提出平稳和连续小波变换融合算法检测P, T波,利用连续小波变换的多尺度信息,获取心电图(ECG)信号中P, T波主要成分,融合其平稳小波对P, T波候选段进行平滑处理,消除波形中锯齿状毛...     

基于生成对抗网络的动态心电信号QRS波检测

心电信号分析是预防心血管疾病的重要举措,QRS波的精确检测不仅是心电信号处理的关键步骤且对心率计算和异常情况分析具有重要作用.针对动态心电信号存在信号质量差或异常节奏波形导致常用QRS波检测方法精度较低的问题,本文提出了 一种基于生成对抗网络新型QRS波检测算法.该算法以Pix2Pix网络为基础,生成网络采用U-Net...     

基于数学形态学的心电信号R波检测算法

为了解决心电信号中R波的检测问题,研究验证一种结合自适应阈值的极大值搜索与数学形态学的R波检测算法。数学形态学算法是基于信号局部特征的,可以有效突出信号的峰谷点。考虑了心电信号特点的自适应阈值极大值搜索算法,可以敏感检测R波的准确位置。通过对MIT-BIH心率变异数据库中多组心电数据的仿真验证研究,实验结果表明,两种分析方法的结合可以有效消除心电信号的基线漂移或异常病态心率对检测的影响,能有效实现心电信号中R波的实时检测,预期本算法在心电信号的自动分析中将会扮演更为重要的角色。     

人体心电心音信号同步检测系统设计

设计了一种动态心电心音信号同步检测系统,对系统的整体设计方案进行了介绍,采用内置A／D的MSP430F149单片机和USB通信接口传输的采集系统进行同步采集、实时存储,并用VC＋＋6．0开发了客户定征分析软件系统。最后经过临床验证,本系统误差小,实用意义很大。     

脉搏波信号降噪和特征点识别研究

对脉搏波的完全分析是建立在含有少量噪声且较为清晰的脉搏波信号中,然而在采集脉搏波信号时容易受到多种干扰的影响,使其提取出来的脉搏波含有大量的噪声,因此降噪处理显得尤为必要。同时,脉搏波中含有人体生理病理信息,不同的人将表现为不同的特征,可以看出确定脉搏波特征点对于分析人体生理健康很有意义。针对信号去噪问题采用小波变换和多分辨率分析的方法,该方法在时域和频域都能表征信号局部信息的能力,且具有对信号具有自适应性。运用极值法确定出脉搏波的峰值点,然后再根据峰值点确定出其他特征点的位置,实验证明该方法能够增加特征点的检出率。     

基于小波变换的局放信号检测与提取

为提高局放信号检测的准确度，确保电力设备故障诊断的有交性和可靠性，利用连续小波变换对背景噪声较强的的局放信号进行多尺度分解，在某些尺度下，使局放信号明显增强，用阀值比较就可以有效地检测并消除噪声干扰。实验和仿真结果表明，选取合适的小波函数就能有效地抑制噪声干扰并完成对局放信号的检测和特征提取。     

基于结构特征的空间目标识别算法

提出了基于结构特征的空间目标识别算法。卫星结构的对称性使得卫星的一维距离像具有对称性，碎片结构的不对称性使得碎片的一维距离像不具有对称性，文中首先应用RELAX算法提取出目标的强散射中心的位置和幅度，然后根据模式匹配和对称性测度两种方法来检测强散射中心是否具有对称性，进而对卫星和碎片进行识别。经过计算机仿真实验，该算法取得了比较好的识别效果。     

基于ICA和特征提取的MIMO信号调制识别算法

针对非协作通信中多输入多输出(MIMO)信号的盲调制识别,该文提出一种基于独立分量分析(ICA)和特征提取的调制识别算法。根据空分复用MIMO系统各发送天线上信号的独立性,利用ICA算法从接收的混合信号中分离出发射信号。为实现全盲条件下的调制识别,在进行ICA分离前,利用最小描述长度(MDL)准则估计发射天线数。在得到发射信号之后,首先利用6阶累积量、循环谱和4次方谱算法构造4个特征参数,然后利用分层结构的神经网络分类器识别信号的调制类型。仿真结果表明,所提方法可在较低信噪比下对{2PSK, 2ASK, 2FSK, 4PSK, 4ASK, MSK, 8PSK, 16QAM}8种MIMO信号进行有效识别,当发送天线数为2、接收天线数为5、信噪比为2 dB时,识别率可达到98%以上。     

基于掩蔽特性的一种语音识别特征提取算法

通过对Bark频带和Mel频标之间关系的研究,得到一个BarkMel临界带表,在此基础上详细介绍了一种基于人耳听觉掩蔽特性的MFCC计算方法.实验表明,该方法可使掩蔽特性在MFCC参数提取中达到最优化,提高识别率,具有一定的鲁棒性.     

基于时空压缩特征表示学习的毫米波雷达手势识别算法

针对现有无线射频信号的手势识别研究中的数据预处理和特征利用问题,该文提出一种用于调频连续波(FMCW)雷达的时空压缩特征表示学习的手势识别算法。首先对手部反射的毫米波雷达回波信号的距离-多普勒(RD)图进行静态干扰去除和动目标点筛选,减少杂波对手势信号的干扰,同时减少计算数据量;然后提出一种压缩手势时空特征的表示方法,利用动目标点的主导速度来表示手势的运动特征,实现多维特征的压缩映射,并保留手势运动的关键特征信息;最后设计了一个单通道的卷积神经网络(CNN)来学习和分类多维手势特征信息并应用于多用户和多位置的手势识别。实验结果表明,与现有其他手势识别算法相比,该文提出的手势识别方法在识别精度、实时性以及泛化能力上都具有明显的优势。     

一种基于SVM算法的波形特征识别算法

介绍了一种基于 SVM 算法的波形特征识别算法,并描述了算法如何应用于人体加速度波形识别,首先使用 LIBSVM 建立波形判决模型,使用摔倒与正常运动的波形建立训练集对判决模型进行训练并交叉验证模型准确性。通过在连续波形上加入滑动观察窗体,对窗体内的波形片段使用判决模型进行判决,能够实时捕获摔倒波形,并能够较准确地区分摔倒与跑步、走路等正常运动的波形。当出现误判/漏判情况时,能够及时修正训练集,让摔倒判定模型不断得到训练,进而不断提高判决准确率。     

基于小波包变换和MFCC的说话人识别特征参数

研究了小波包变换及MFCC参数的提取,结合二者特点,提取了基于小波包变换和MFCC的新参数DWT-MFCC．并在基于16阶GMM系统上进行说话人识别实验。实验结果表明,相对于传统的MFCC参数,在相同的噪声环境下,DWT—MFCC参数具有更高的说话人识别率。     

基于小波包-LPCC的说话人识别特征参数

论文研究了小波包变换及LPCC参数的提取，在此基础上，提取了基于小波包变换和LPCC的新参数（DWT-LPCC），并基于GMM系统进行说话人识别实验。结果表明，相对于LPCC参数，DWT-LPCC参数大大提高了噪声环境下的说话人识别率。     

低分辨雷达目标调制特征提取和分类识别方法

利用目标的发动机调制(JEM)效应,提取目标的谱线间隔、谱线宽度、谱线个数、幅度偏差系数、能量比、波形熵、中心矩等特征,形成特征向量后参与后续的综合决策。在低分辨雷达对飞机目标进行的目标分类识别试验中采集数据,进行了实测数据分析,实验结果表明提取的目标特征和分类效果方面的有效性。     

基于非线性特征提取和SVM的人脸识别算法

传统的PCA或LDA都是从像素的二阶依赖上考虑的,对于多像素之间的依赖性或像素的高阶关系不敏感。该文利用核函数方法提取像素高阶相关,并与线性SVM相结合来进行人脸识别。从Yale人脸库上的实验结果可以看出,非线性特征提取是很有效的,并且SVM分类器的性能优于最近邻分类器。     

基于时频分布图像的辐射源特征提取及识别

新体制雷达在现代军事中得到越来越多的应用,如何提取这些新体制雷达的细微特征并用这些特征进行识别也成为一个迫切的问题。用Choi-Williams分布(CWD)对信号进行时频变换,然后基于这些信号时频变换图进行奇异值分解,提取信号特征,设计了根据这些特征进行识别的流程图,结合计算机仿真对该识别方法进行了深入的分析,得出该方法具有一定的适用性的结论。