经验模式分解在QRS波群和T波检测中的应用

针对未经预处理的心电信号中QRS波群和T波,提出一种基于经验模式分解的检测算法.该方法首先采用结合端点延拓的经验模式分解方法对信号进行分解,然后通过适当选择分解后的固有模态函数和残余分量,不使用"经验阈值"能得到准确的检测结果.利用MIT BIH Arrhythmia Database中心电数据检测表明,QRS波群的检...     

基于FPGA的QRS波群检测方案设计与实现

根据小波变换的多分辨率和突出信号奇异点的特性,将小波变换应用到心电信号的自动检测中,设计并实现了基于FPGA的QRS波群检测方案.采用Mallat算法对心电信号进行4级分解,并在3,4级尺度上使用自适应阈值完成极值对的检测,确定了R波的位置.采用医学相关理论对检测结果进行优化,进一步去除错检点,补偿漏检点.提出了在FP...     

一种基于自适应小波变换的QRS波检测算法

为了解决心电图QRS波检测的问题，研究了一种基于自适应小波变换来检测QRS波的算法。该方法用心电信号的小波变换作为自适应白化滤波器的输入，然后对白化滤波后的输出进行匹配滤波和阈值检测来识别出QRS波。采用该方法，有利于减小检测的误检率以及提高运行速度。     

心电信号QRS波群检测算法研究

心电信号特征参数的提取和识别是心电图分析和诊断的基础．在心电信号的分析中,快速准确地检出QRS波群非常重要,它是计算相关参数和诊断的前提．该文对QRS波群的检测算法进行了研究,对传统差分阈值法在R波检测中存在的一些问题加以改进,将正向和倒置R波分开检测,提出了在自适应差分阈值法检测正向R波的基础上,用幅值基线比较法检测倒置R波的检测方法．在Q、S波检测方面,文章以差分法为基础,给出了Q、S波定位的一种简便易行的方法．利用美国麻省理工学院的MIT—BIH心电数据库和临床实测数据对以上方法进行验证,QRS波群的检出率高达99．4％以上．实验结果表明,该方法简单有效、准确率高,适于实际应用。     

一种基于经验模分解的结构微小损伤检测方法

提出了一种检测结构微小损伤的时域方法。首先采用经验模分解技术分解结构发生微小损伤前后在相同激励下的时域响应信号，得到响应信号的各阶固有模式函数，然后用波形指数来对结构响应信号的各阶固有模式函数进行量化。根据结构损伤前后时域响应固有模式函数的波形指数对比，就可容易地对结构发生的微小损伤进行判断。通过仿真算例发现，结构原始响应信号经过经验模分解后得到的固有模式函数对微小损伤敏感度较好，这种对微损伤的敏感特性可采用各阶固有模式函数的波形指数进行量化。因此该方法是一种时域内检测结构微小损伤的有效方法。     

QRS波的多尺度融合检测算法

提出一种基于模糊积分的小波变换多尺度融合检测算法，算法首先对心电信号进行Haar二进小波分解，并在每个尺度上输出各自的判决向量，在各个尺度的检测中采用了软决策方式，使决策形式更加合理，小波变换后各个尺度上的信息存在互补性，采用模糊积分的融合方法可以充分发挥和利用各个尺度的信息，在小波分解后1尺度和2尺度的效果较差，因此只选择3至6尺度的决策作为模糊积分融合算法的输入，尺度的检测效果是确定模糊积分密度的依据，因此融合算法不仅考虑了各尺度的决策结果，还考虑了各尺度之间的差异，实验表明，模糊积分融合算法可以有效提高检测能力。     

心电信号QRS波检测算法的设计与仿真

心电信号的检测是心电图分析和诊断的基础,在心电信号的分析中,快速准确地检出QRS波群是非常重要,它是计算相关参数和诊断的前提。针对传统心电检测算法实时性差、错检漏检率高的问题,研究设计出正反双向自适应差分阈值检测算法,并增加R波错检漏检补偿算法。经过美国麻省理工学院的MIT-BIH心律失常数据库验证,检测的准确率达99%以上。实验结果表明,算法简单有效、准确率高,适合实际的应用。     

改进的二维经验模式分解方法

为了解决图像处理中应用到的传统二维经验模式分解算法存在边界效应和过度分解的问题,提出了一种改进的二维经验模式分解算法.该算法首先对原始图像的边界进行延拓处理,在图像信号的边界处增加一部分数据;然后对处理后的图像使用传统的二维经验模式分解方法进行图像筛分,筛分截止后对每个筛分过度的内在模式函数增加一个对应的补偿量.应用改进的二维经验模式分解算法对图像进行了处理,计算了处理后得到的重构图与原图的标准差.实验结果表明,改进的二维经验模式分解算法消除了边界效应,也解决了图像分解过度的问题.重构图与原图像的标准差很小,证明了重构图与原图的图像灰度波动很小即图像吻合得很好,并且由于处理边界问题时附加的图像信息并不多乃至计算量小,使处理简单易行,论证了改进的二维经验模式分解算法在图像处理中的可行性.     

改进的基于小波变换的QRS波检测算法

为提高心电信号QRS波的检测精度,分析了小波变换对信号奇异点检测原理,提出了改进的基于小波变换的QRS波检测方法。该方法通过考察小波分解系数进行R峰位置区间定位,尺波漏检回溯及正向、倒置R波判断的QRS波检测方法;并提出了一种新的跟随阈值。该算法在Matlab仿真环境中,经过对MIT—BIH数据库中典型14条ECG（Electrocardiogram）信号进行QRS波检测实验。数据表明,该算法对正常心电和非正常心电的检出率达到99．98％,具有较高的实用价值。     

基于窗口经验模式分解的医学图像增强

提出了基于窗口经验模式分解(WEMD)的医学图像增强算法。用WEMD算法分解医学图像,能够自适应地提取图像的内涵模式函数(IMF)分量。利用IMF分量图像的直方图服从正态分布的特性,结合直方图匹配算法的增强能力处理前几个IMF分量,经处理的IMF分量中的高频细节信息得到增强。将处理后的IMF分量和剩余分量重构,获取增强的医学图像。实验表明,WEMD算法增强效果优于目前的图像增强算法。 更多还原     

基于改进EMD算法的信号滤波

为解决经典经验模态分解(empirical mode decomposition, EMD)滤波算法在低信噪比环境下滤波效果不佳的问题,提出了一种改进的EMD滤波算法。利用FFT对信号进行简单的频谱分析,若其中含有高频噪声,则对信号经EMD分解后得到的一阶本征模态函数 (intrinsic mode function, IMF)分量做剔除处理;若信号中含有白噪声及毛刺干扰,则向经典EMD滤波算法中添加变尺度因子,然后对信号进行EMD滤波,在算法最后一次迭代时再将一阶IMF剔除。仿真试验结果表明,改进的EMD滤波算法在低信噪比环境下有较小的均方误差值,滤波效果较好。     

基于经验模态分解法的水工混凝土变形监测研究

经验模态分解法使信号分解具有唯一性又同时具有良好的局部化性质,一旦分解完毕,又可根据工程问题的要求灵活实现重构,现将经验模态分解法应用于水工混凝土变形监测分析,运用经验模态分解法对混凝土变形破坏趋势进行监测,并据此对水工混凝土加固效果进行评价.针对经验模态分解中的端点效应导致分解结果失真的情况,引入了窗函数法对端点进行抑制,有效地保证了水工混凝土分解结果的精度.     

二维经验模态分解技术在混浊度检测中的应用

针对液体混浊度检测易受噪声影响这一技术问题,提出了一种基于二维经验模态分解联合Robert算子的医疗液体混浊度检测方法,对医疗液体图像进行二维经验模态分解,将液体图像分解成多层本征模态函数(IMF),并利用Robert算子对各分量IMF进行边缘检测,选择性地逐层重构出图像边缘,从而将图像与杂质的边缘细节突显出来.实验结果表明,该方法有效地降低了随机噪声对液体混浊度检测的影响,提高了液体混浊度检测的精度,进而验证了该算法的可行性和有效性.     

基于经验模态分解的时间序列预测方法

时间序列预测方法广泛应用于各个领域。对非平稳非线性时间序列预测方法进行了研究,利用经验模态分解法将此类序列分解为平稳时间序列,然后选择合适的步长,应用机器学习算法对各个平稳子序列进行预测,各个子序列的预测值之和即为原序列的预测值。将该方法应用于楼宇等电能能耗数据,实验结果表明,基于经验模态分解方法的时间序列预测方法精度较高,适用于预测非线性非平稳时间序列。     

基于动态模式分解的移动用户信道容量预测算法

在多输入多输出环境下,为了能够连续预测出移动用户的信道容量并以此合理地分配用户资源,提出了一种基于动态模式分解（DMD）的信道容量预测方法及其优化方法：基于经验模态分解的选择性归一化动态模式分解（ESN-DMD）.仿真结果表明,DMD算法只适用于预测低移速低复杂度的用户信号,ESN-DMD算法可以预测不同移速的用户信道容量.     

基于经验模态分解（EMD）的小波阈值除噪方法

针对低信噪比信号的去噪问题,提出了一种基于经验模态分解的小波阈值去噪方法,并与小波变换去噪法的效果相比较.试验结果证明,当信号的信噪比较小时,基于经验模态分解的小波阈值去噪效果是相当有效和稳定的,为研究环境脉动下结构的输出信号去噪处理提供了新的手段.     

基于EMD和Hilbert变换的心电信号去噪方法

基于经验模态分解(EMD)和Hilbert变换理论,提出一种心电信号(ECG)去噪方法.经验模态分解法将任意信号分解为一组固有模态函数IMF,对于非白噪声层IMF的阈值选取,针对传统阈值去噪方法存在较大偏差的问题,提出利用各层IMF的平均频率和能量密度乘积来确定非白噪声层IMF的噪声水平.介绍了白噪声层IMF的检验方法,并给出了利用该方法以及小波阈值去噪方法对心电信号进行去噪处理的实验结果.     

基于经验模态分解的瞬变电磁信号的属性提取与分析解释

瞬变电磁法仅用时域资料进行分析与解释是不充分的,应该将信号的频率成分也综合利用起来进行分析解释。将Hilbert-Huang变换引用到瞬变电磁信号的分析中,将含噪的瞬变电磁信号通过经验模态分解成若干个固有模态函数,对每个固有模态函数进行Hilbert-Huang变换,获得瞬时幅度和瞬时频率,将每个测点的瞬时属性组合起来绘制瞬时振幅剖面图和瞬时频率剖面图,不同构造形态的地质体在两者的剖面图中均有明显的异常反映。各种模型和实例计算表明：用Hilbert-Huang时频分析方法提取瞬变电磁信号的瞬时属性意义明确而且分辨率高,明显优于传统分析解释方法。     

基于EMD的电机瞬时转速和转矩测量

提出了一种基于经验模态分解的电机转速和转矩测量新方法.把测量得到的时间序列信号,用经验模态分解法分解成若干的固有模态函数和一个残量之和,这个残量代表信号的波动趋势.介绍了经验模态分解的基本原理和算法,并用该方法对电机瞬时转速、转矩测量信号进行分析与处理.研究结果表明,该方法能有效地从噪声环境中提取电机的瞬时转速和转矩的真实变化曲线.     

Non-overshooting and Non-undershooting Cubic Spline Interpolation for Empirical Mode Decomposition

To suppress the overshoots and undershoots in the envelope fitting for empirical mode decomposition (EMD), an alternative cubic spline interpolation method without overshooting and undershooting is proposed. On the basis of the derived slope constraints of knots of a non-overshooting and non-undershooting cubic interpolant, together with "not-a-knot" conditions the cubic spline interpolants are constructed by replacing the requirement for equal second order derivatives at every knot with Brodlie's derivative formula. Analysis and simulation experiments show that this approach can effectively avoid generating new extrema, shifting or exaggerating the existing ones in a signal, and thus significantly improve the decomposition performance of EMD.