基于小波分析和Kalman滤波的心电QRS波检测

本文首先采用RLS自适应算法对心电信号进行实时建模。经过约20个心电周期，本算法使可以基本完成自身的调整。利用多尺度理论，将小波分析和Kalman滤波结合起来，在对信号预测的同时定位心电信号的R峰。对于心电信号中因伪迹造成的误判，可通过在小波检测方法中设置相应的检测策略克服。实验表明，该算法提高了抗噪声性能。     

带反馈修正的多结构元形态学心电信号QRS波检测算法

本文提出了一种带反馈修正的多结构元形态学心电信号QRS波检测算法。首先,采用形态学滤波消除心电信号中的脉冲噪声;接着,基于两种不同宽度的结构元,对滤波后信号进行形态学峰谷提取,获取QRS波波形陡峭信息和幅度信息;然后,根据形态学峰谷提取结果,采用自适应阈值检测法初步定位QRS波;最后,利用估算出的R-R间期对QRS波检测结果进行评估和修正,并反复此评估修正过程直至获得满意结果。经MIT-BIH心律失常数据库验证,本算法具有很好的QRS波检测效果。     

基于多孔算法的心电图QRS波检测

关于心电图检测,由于受到噪声干扰影响,检测不准确.针对目前对QRS波群的起止点和R波峰值点检测定位不精确问题,提出一种多孔算法的特征点定位检测法.通过利用三次B样条小波的高阶平滑特性最大限度的去除噪声干扰,提取准确波形;利用多孔算法对不规则离散信号的无抽取平移不变性保证采样信号的完整性,在小波变换的过程中精确定位QRS波群的起止点和R波峰值点,实验结果表明,准确率达到99.80％.算法增强了对复杂突变心电信号的检测结果,对QRS波群的起止点和R波峰值点检测定位的准确性.     

卡尔曼滤波的存在性

－－本文证明了线性信号模型的卡尔曼滤波与最优加权最小二乘估计的递推算法先进价，进行应用最优加权最小二乘估计的成批算法证明了卡尔曼滤波的存在条件是要求信号模型满足完全可控制条件和完全可观测条件。     

基于卡尔曼滤波算法的电能质量检测技术实现

为提高电能质量的检测精度,提出一种基于自适应卡尔曼滤波的检测方法。首先,构建基于卡尔曼滤波的空间模型,然后引入自适应卡尔曼滤波算法对空间模型中参数Q_k进行修正;最后搭建DSP仿真平台对空间模型进行训练与测试。结果表明：相比于传统的卡尔曼滤波算法,基于自适应卡尔曼滤波算法对电能质量扰动信号的敏感性更好,响应速度更快,精准度更高。由此得出,自适应卡尔曼滤波算法在电能检测方面性能更佳。     

心电信号的计算机辅助分析方法的研究

本言详细阐述了心电信号的计算机辅助分析过程，着重说明了差分阈值法在心电信号识别过程中的实际应用、具体、算法关键性技术问题的解决方法，并对数据分析过程中自学习和自适应算法进行切合实际的描述。同时针对实际动物的不同，提出了对Ａｂｅｎｓｔｅｉｎ判据的修改。     

自适应卡尔曼滤波在目标跟踪系统中的应用

目标跟踪是精确制导系统中的重要组成部分.文中针对运动目标跟踪问题,在建立运动模型的基础上,应用卡尔曼滤波算法进行了跟踪仿真研究.考虑到直角坐标系下的扩展卡尔曼滤波容易发散,可能导致滤波精度变差,所以文章提出一种针对非线性观测模型和线性动态模型的自适应推广卡尔曼滤波器.直角坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行了估计,动态补偿观测器模型的线性化误差,削减了系统的观测误差,并对其滤波理论及算法进行了仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法.     

基于新息自适应卡尔曼滤波的加速度计信号降噪

针对加速度计信号降噪中精度有限、噪声统计规律不能完全确定等实际问题,提出了一种新的自适应卡尔曼滤波算法.利用新息自适应估计出了系统噪声和量测噪声的协方差阵,采用不同滑动窗口宽度设计了一组并行滤波器,通过加权优化获得了一个综合白适应滤波器,从而使该降噪方法不仅具有噪声白适应估计能力,而且对新息方差估计所需的滑动窗口宽度的选取进行了优化.理论上推导了该降噪算法的基本过程,并进行了加速度计实测数据降噪试验.试验结果表明,该降噪方法能获得较好的滤波效果,降噪后加速度计信号的噪声方差强度减少了5个数量级.     

心电信号中R波的自适应检测方法

阐述一种检测心电图中R波的方法,通过小波阈值去噪及小波分解与重构去噪法去除心电信号的噪声,使用差分阈值法对心电信号中的R波进行自适应检测,其中闽值的选取具有自更新的特性。对R波多检与漏检的分析,设计相应的辅助策略检测R波。使用MIT-BIH标准库中的心电数据对本方法进行仿真验证,结果表明：本方法能够准确有效地检测出心电图中的R波。     

心电信号自动识别技术现状与展望

心电信号自动识别技术是信号处理及模式识别领域的热点研究课题,是在现代医学健康领域中进一步应用心电诊断技术的基础。文章围绕心电信号自动识别技术的发展历史、研究现状、关键技术及存在问题展开了讨论,并对以后的研究趋势做出展望。     

Kalman滤波理论在GNSS信号跟踪中的应用

在分析传统GNSS接收机跟踪环路的基础上,对传统的码环滤波和载波滤波在复杂的环境下精度不高的问题,提出一种以自适应Kalman滤波算法代替码环和载波环中的两个环路滤波器,并依据新息自适应的对测量噪音实时调整,将调整结果输入到卡尔曼跟踪环路,估计跟踪误差、实现GNSS(扩频信号)信号的跟踪,提高环路在复杂应用环境下的跟踪精度。仿真结果证明了这种方法提高了跟踪精度,对环境的适应能力有了明显的增强。     

基于卡尔曼滤波的目标估计和预测方法研究

该文主要研究水下高速运动体的运动轨迹的精确估计和预测,为我方舰艇实施反干扰和拦截提供依据。由于目标的高速运动和水下环境的复杂性,使得目标的运动规律难以准确描述,因此一些传统的估计和预测方法难以适用。该文基于卡尔曼滤波给出了一种自适应衰减滤波算法,并建立适当的数学模型,给出相应的滤波方程。该方法的优点是可以利用量测不断地修正预测值,同时修正不确切知道的系统模型参数和噪声统计参数,并且对滤波初值的影响不是很敏感,保证滤波稳定不发散。最后对尾追弹道进行仿真研究,证明该方法可以精确地估计和预测敌方目标的运动轨迹。     

一种心电信号虚拟仪器的设计与实现

针对目前传统心电图机的主要缺陷，基于LabView虚拟仪器开发平台实现了一种新型的心电信号虚拟仪器；该系统导人心电信号，经放大滤波电路处理后由GPIB数据采集卡输入计算机，再在虚拟仪器软件上进行分析显结果；应用结果表明，该系统结果准确、容易实施、造价低廉。     

并行卡尔曼滤波及其心动阵列实现综述

本文综述了基于心动(Systolic)阵列结构的并行卡尔曼滤波各种算法及其心动阵列实现,对各种阵列滤波算法在处理单元数,计算时间和效率等方面进行了比较,并对进一步的研究工作提出一些展望。     

基于容积卡尔曼滤波算法估计动力锂电池荷电状态

动力锂电池荷电状态的准确估计是电池管理系统的关键功能之一。该文结合二阶电阻-电容等效电路模型,通过建立状态空间表达式,利用最小二乘法对等效电路模型各参数进行辨识,并通过多项式拟合方法获得了开路电压与剩余电荷的关系曲线,进而基于容积卡尔曼滤波方法对锂电池荷电状态进行建模,建立了基于数字信号处理器的充放电实验平台,实现了锂电池放电时荷电状态的实时估算。实验结果表明,该方法能够实现实时在线估算,且最大误差小于 2%,具有良好的估算精度。     

基于信息补偿的自适应联邦滤波算法

针对采用标准卡尔曼滤波器必须知道系统噪声统计特性的局限性,研究了一类系统噪声未知情况下的自适应联邦滤波方法,指出了自适应滤波方法应用于联邦结构时应当注意的问题,提出了一种基于信息补偿的自适应联邦滤波算法。SINS／BDS／GPS组合导航系统的仿真结果表明,该方法可以有效抑制系统噪声未知情况下的滤波发散现象,提高了滤波的稳定性和估计性能。     

Kalman Filtering for Delayed Singular Systems with Multiplicative Noise

Kalman filtering problem for singular systems is dealt with, where the measurements consist of instantaneous measurements and delayed ones, and the plant includes multiplicative noise. By utilizing standard singular value decomposition, the restricted equivalent delayed system is presented, and the Kalman filters for the restricted equivalent system are given by using the well-known re-organization of innovation analysis lemma. The optimal Kalman filter for the original system is given based on the above Kalman filter by recursive Riccati equations, and a numerical example is presented to show the validity and efficiency of the proposed approach, where the comparison between the filter and predictor is also given.      

基于Kalman滤波的Wiener状态估值器

应用经典稳态Kalman滤波理论提出了设计Wiener状态估值器的新方法,其原理是:基于在Wiener滤波器形式下的稳态Kalman滤波器和预报器及ARMA新息模型,由稳态最优非递推状态估值器的递推变形引出Wiener状态估值器.所提出的Wiener状态估值器可统一处理状态滤波、预报和平滑问题.它们具有ARMA递推形式,且具有渐近稳定性和最优性,仿真例子说明了它们的有效性.