具有运动伪迹消除功能的移动心电检测系统设计

设计并实现了一种可在人体移动状态下进行检测、采集及分析人体心电信号的系统,硬件设计上,采用高集成度专用心电信号前端处理集成电路进行心电信号的滤波及放大;软件设计上,采用小波阈值降噪对心电信号进行初级滤波,然后采用人体移动加速度传感器获取人体运动信息对心电信号进行自适应滤波,消除运动伪迹.在系统设计上,终端检测设备与手机终端采用蓝牙通信,便于用户测量.实验结果表明:本设计方案能根据人体运动状况,有效消除运动伪迹,保留心电信号的波形,可满足常规的移动心电检测应用.     

运动传感器辅助的心电运动伪迹识别与消除方法

运动伪迹是动态心电监护的主要干扰,严重影响临床诊断的误诊率和漏诊率.为了改善动态心电信号质量,设计了一种运动传感器辅助的动态心电监护设备,采集V2导联心电信号,通过腹部运动传感器数据识别易引起心电运动伪迹的日常活动,标记运动伪迹位置,引入PQRST波特征点检测、自适应滤波算法消除运动伪迹.实际佩戴测试结果表明:此法可有效识别咳嗽、蹲、坐等日常运动,并有效消除此类运动产生的心电运动伪迹.     

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。     

基于快速独立分量分析的脑电波信号降噪

针对原始脑电波信号存在非平稳性且非常容易受到各种信号的干扰等特点,对基于小波变换和快速独立分量分析的脑电波信号的滤波降噪方法进行了研究,说明了小波变换和快速独立分量分析的降噪原理,并通过对利用MindSet耳机采集得到的原始脑电波数据的处理,证明了快速独立分量分析算法可以将原始脑电波信号中包含的心电伪迹和工频干扰等多种干扰信号成功地分离出来,同时比较了两种方法的性能,验证了基于快速独立分量分析的降噪方法具有明显的优越性。     

胎儿心电信号中加性噪声的抑制研究

目前采用腹部导联采集的胎儿心电信号中一般混有传感器加性噪声,传统的提取胎儿心电信号的算法—FastICA算法,提取的胎儿心电信号中一般都存在该类干扰。为了滤除该干扰,对传统的FastICA算法进行改进,在对信号进行标准化和白化处理中结合形态学滤波的处理方式,对其中的加性噪声进行处理,有效克服了传统算法对加性噪声不敏感的缺点。对合成的模拟母婴信号的仿真结果表明,该算法在滤除母体心电干扰的同时有效抑制了传感器加性噪声,且信号重构均方根误差值较传统算法小。对实际信号的处理取得了满意的分离效果。     

基于K近邻互信息估计的EEG伪迹消除方法

针对脑电信号中的眼电和心电串扰伪迹,提出一种基于最小相依成分分析的互信息(MILCA)算法的伪迹消除方法.在提升小波硬阈值法对多路原始脑电信号去噪基础上,运用MILCA算法对各通道信号进行盲源分离,同时采用信号间互相关系数和互信息量作为指标,分析伪迹分离程度.与Extend Infomax、FastICA 2种常见盲源分离算法的对比结果表明,运用MILCA算法对脑电信号中的眼电及心电伪迹的分离结果最理想.     

基于小波分析和Hilbert变换的R波检测算法

提出了在心电信号中定位R峰的一种新的鲁捧算法.利用小波工具滤波,然后结合心电信号的一次微分和一次微分后的的Hilbert变换,使得R峰突出,P波和T波减弱.另外,噪音、基线漂移、运动伪迹都最小化,伪迹受到抑制.通过经验的R峰时间间隔,预估和应用幅度阈值可以很容易地将R峰找出来.用MIT_BIH心律失常数据库的纪录测试了该算法,平均检测率达到了99.91%.该算法可靠且实现简单,用于其他生理信号如心音信号分段也有较高的正确率.     

心电信号采集记录系统的设计

为了更好地解决心电信号的采集和处理问题,设计了以高性能DSP芯片TMS320C32x为核心心电信号的采集记录系统,对心电信号的放大、滤波部分的硬件设计进行了重点研究并针对实际应用设计了检测电路,以C语言为基础设计了系统软件和针对于心电信号处理的自适应滤波器,实践证明该系统能很好地完成对心电信号的采集、滤波和记录。     

运动状态下的智能远程心电监测预警系统设计

基于单导联方式设计了一款具有运动状态识别、心电分级预警、远程无线传输等功能于一体的新型心电监测系统.本设计通过基于STM32 F103芯片的心电监测终端,将人体表面采集到的微弱心电信号进行滤波和放大处理,并结合加速度传感器实时获取人体的运动信息.将采集到的心电信号进行分析处理,有针对性地提出建议和警示,达到提前预警及紧急救助的目的.实验结果表明,采集的心电波形具有良好的医学参考价值,可为未来心血管疾病的远程智能医疗提供一定的技术支持.     

基于加速度传感器的人体运动模式识别

本文提出了一种基于MPU9250微处理器的人体运动识别的方法. 用户在佩戴手环的情况下进行各类运动, 手环即可自动采集并存储用户在运动过程中产生的加速度数据. 分析这些数据可以判别人体运动的类别. 通过手环内嵌的加速度传感器采集运动者在X, Y, Z 3个方向上的加速度, 经过滤波算法过滤后, 分别在时域和频域两个方面对数据进行分析, 再经过特征工程提取34个相关特征, 使用特征选择算法选取主要的16个特征, 减小算法复杂度. 实验比较了支持向量机(SVM), 决策树(decision tree)和随机森林(random forest) 3种方法, 对走路、跑步、羽毛球正手挥拍、打乒乓球、划船5种运动模式进行分类, 结果表明随机森林准确率最佳, 可达到97%以上.     

面向嵌入式穿戴医疗的快速经验模态分解方法

智能照护系统通过人体感知智慧衣实时采集心电(ECG)等生理数据,却不可避免地混入运动伪影造成信号失去形态学特征。经验模态分解算法(EMD)通过获得本征函数分量去除非静态、非线性信号,去除ECG信号中的运动伪影。但是,传统EMD算法计算量大,不适用于低功耗的嵌入式移动设备。提出一种Fast-EMD算法,通过采用不同的运动状态来控制相应迭代次数的方式取代计算复杂边界值SD。实验结果表明,该方法既简化了算法执行流程,又提高了R点捕获准确率,有效提升了嵌入式设备上滤波处理性能。     

基于小波和自适应滤波的ECG基线漂移校正

为校正ECG信号的基线漂移,提出小波变换和自适应滤波相结合的方法。利用小波变换对原始ECG信号进行分解,将得到的高频分量作为参考信号输入,采用基于幂函数的最小均方算法（P—LMS）进行自适应滤噪处理。通过与传统的归一化最小均方算法（NLMS）进行对比,验证该算法的准确性。仿真实验和MIT-BIH数据库中的实际数据检验结果表明,基于幂函数的最小均方算法和小波变换相结合的方法能够有效校正基线漂移,并较好地保持心电信号的几何特征。     

基于信任和矩阵分解的协同过滤推荐算法

针对传统协同过滤算法普遍存在的稀疏性和冷启动问题,提出一种基于信任和矩阵分解的协同过滤推荐算法。提出一种基于用户评分值的隐式信任计算方法,该方法综合考虑用户的相似性和交互经验,运用信任传播方法使不存在直接信任的用户获得间接信任;通过动态因子将显式信任和隐式信任融入到SVD++算法当中。FilmTrust数据集下的实验表明,与其他矩阵分解推荐算法相比,该方法具有更好的预测效果,在冷启动用户的评分预测上也有很好的表现。     

动态调整用户认知负荷的智能增强现实系统

把认知负荷测量技术集成进空间增强现实系统,提出动态调整用户认知负荷水平的智能空间增强现实系统（ISARS）系统。ISARS的目标是对用户在进行任务时的认知状态进行实时监测,并根据用户认知状态动态调整空间增强现实系统的增强信息,以使用户处于最佳工作状态并提高工作效率和保证工作质量。ISARS包含两个子系统：空间增强现实（SAR）子系统和认知负荷度量（CLM）子系统,SAR子系统把不同的增强信息投影到物体物理表面。CLM子系统对用户在工作过程中的认知负荷进行度量。实验结果表明,ISARS能够根据用户当前认知负荷水平对任务相关的要素进行自适应调整以更好适合用户实际工作能力,从而提高用户工作效率。     

基于经验模态分解和递归图的语音端点检测算法

结合Hilbert-Huang变换中的经验模态分解（EMD）和递归图（RP）法,提出了一种新的语音端点检测算法。该算法首先基于语音和噪声通过经验模态分解及其多尺度特征,在不同的固有模态函数（IMF）上进行软阈值时间尺度滤波处理,然后采用非线性动力学行为中的递归图法,定量统计递归分析中的确定性进行语音端点检测。仿真结果表明,该方法具有很强的非稳态动态变化分析能力,在低信噪比环境下较传统方法能更准确提取出语音信号的起止点,鲁棒性好。     

改进的基于标签的协同过滤算法

针对现存的基于标签的个性化推荐系统在构建用户兴趣模型时未充分挖掘用户真正的兴趣爱好,且未考虑到时间因素对推荐结果的影响,提出一种改进的基于标签的协同过滤算法（ITCF）。该算法将用户评分融入到用户对标签权重的计算中,考虑用户不同兴趣程度的项目对推荐结果的影响,并使用指数渐进遗忘函数和时间窗口相结合的方法来捕捉用户兴趣的变化。在数据集Movielens上的实验证明,改进后的算法在precision、hit-rank以及NDCG三个评价指标上均取得了较好的推荐效果,其推荐的质量和效果均优于传统方案。     

考虑物品相似权重的用户相似度计算方法

传统的用户相似度计算方法中每个项目的权重是相同的,然而分析传统推荐算法和现实情形,用户间共同高评分项目的权重应该高于用户间共同低评分项目的权重,并且传统用户相似度计算方法没有考虑项目间的类群关系。针对上述问题,提出了一种给项目加权的方法,从而得到考虑项目相似权重的用户相似度计算方法。通过在MovieLens数据集上进行实验,与基于传统用户相似度计算方法的协同过滤算法比较,实验结果表明,考虑了项目相似度权重的协同过滤算法能显著提高评分预测的准确性和推荐系统的质量。     

带约束本体语义扩展的信息过滤算法

提出一种基于本体的信息过滤方法。该方法通过本体实现形式化语义描述,并对原始输入条件进行带约束规则的本体语义扩展。进而为了实现语义匹配,给出了信息向量语义描述及权重计算方法。最终,实现基于语义相似度计算的信息过滤。实验证明,该方法是有效的。