心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.     

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。     

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。     

小波变换在QRS波检测中的应用

本文是基于小波变换的心电信号的QRS波检测的应用研究。利用二进样条小波对心电信号按Mallat算法进行分解滤波，消除干扰，再利用小波变换与信号奇异点之间的关系，在2^3尺度下对QRS波进行检测。为更有效地提高QRS波的检测率，结合人体生理特性运用综合检测策略进行复检。     

基于小波提升的ECG去噪和QRS波识别快速算法

提出了一种基于小波提升的ECG去噪和QRS波识别的快速算法。该算法在小波提升基础上引入加权阈值收缩法,保证ECG有用信息不丢失,提高了去噪效果;利用去噪重构的中间结果并结合简单的差分法,实现了使用平滑函数一阶导数对信号进行小波提升变换,避免了需要二次小波提升变换的运算,在保证识别精度的同时,大大降低了运算复杂度。实验结果表明,该算法能得到较高的SNR和较低的MSE,QRS波识别准确率达到了99.5%以上。并且,该算法利于在硬件平台(FPGA)上实现,便于在心电监护设备上集成。     

基于小波神经网络的心电数据压缩研究

介绍了一种基于小波分析的神经网络模型－小波神经网络，提出了一种基于小波神经网络的心理数据压缩方法。经过研究表明，采用小波网络 心电数据压缩模板的方法可以大幅加快网络的收敛速度。与基于BP网络的压缩法相比，具有较大的优点。     

心电信号的小波变换消噪方法

人体心电信号微弱,信噪比较低.为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,人们已提出了多种方法来消除这些噪声.小波变换是一种信号的时间尺度(即时间频率)分析方法,具有多分辨率分析的特点。它对信号具有的自适应性,使其成为数字信号处理领域中的一个重要工具.这里提出了一种采用阈值预处理的小波变换消噪方法,该方法可以降低模极大值消噪算法计算的复杂程度,又可保证心电信息特征不被丢失.试验表明,该方法能较好地实现心电信号的消噪.显然,该方法也适合于信噪比较低的生物信号的处理中.     

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。     

基于小波变换的信号检测

研究了基于小波变换的信号检测方法及它在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去除噪声,使有用信号能从噪声中检测出来,提高信号的分辨率、信噪比。     

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...     

QRS waves detection algorithm based on positive-negative adaptive threshold method

In order to accurately detect the occasional negative R waves in electrocardiography （ECG） signals, the positive-negative adaptive threshold method is adopted to determine the positive R waves and the negative R waves, according to difference characteristics of ECG signals. The Q and S waves can then be accurately positioned based on the basic characteristics of QRS waves. Finally, the algorithm simulation is made based on the signals from MIT-BIH database with MATLAB. The ex- perimental results show that the algorithm can improve the detection accuracy rate to 99. 91% and o- vercome the problem of larger computation load for wavelet transform and other methods, so the al- gorithm is suitable for real-time detection.     

基于DSP的心电信号除噪声方法研究

在广泛研究和对比其他常用方法的基础上,使用了基于频率域的滤波法和最小二乘估计法,得到心电病理特征明显的心电信号图形,两种方法相结合可以成功的消除心电信号中的白噪声和50 Hz工频干扰的影响.经过实验,得到一个心电病理特征明显且是低噪声的心电信号周期.改进了传统方法的不足之处,得到了有临床医学价值的心电信号波形.     

基于多特征参数综合分析脉搏波信号失真度算法的实现

在利用脉搏波信号计算生命体征时,为检测并排除严重失真的脉搏波信号,综合利用欧氏距离、脉搏波传导时间以及脉搏波波形系数,提出一个用于判断脉搏波失真度的参数——脉搏波联合特征系数。其中在计算欧氏距离的过程中,利用心电信号R波对PPG信号进行多段分割,对每小段进行时间轴归一化处理以抑制欧氏距离对时间轴伸缩的敏感度。通过分析实测脉搏波信号,验证了本文算法能准确识别失真波形。     

基于提升静态小波包变换的自适应消噪方法

基于离散小波变换(DWT)的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了一种基于提升静态小波包变换的自适应消噪方法,它推导了静态小波包的提升实现方法,并设计出适合该系统的确定最优小波包分解树的相应步骤,利用引入更多动量因子的权系数迭代公式对各子带进行自适应匹配,并将匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

基于改进BEMD的视频镜头转场检测算法研究

对二维经验模式分解(BEMD)算法进行了改进,采用限定域的Delaunay三角剖分和三次插值得到极大值和极小值包络面,用基于限邻域经验模式分解(NLEMD),即通过设定最大邻域(时宽)和采用邻域内局部自适应均值算法代替包络均值算法进行分解,给出了图像BEMD分解后内蕴模函数(I MF)1和2的Hilbert谱,以I MF2的瞬时振幅作为图像的特征向量,计算镜头转场中图像序列帧特征向量间的欧式距离。采用大量的视频镜头转场的样本进行实验,结果表明,剪切镜头查准率和查全率皆为98%;渐变镜头查准率86.4%,查全率87.6%。     

基于特征优化与深层次融合的目标检测算法

针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD. SCFE模块基于局部空间特征增强和全局通道特征增强机制优化特征层,注重特征层的细节信息;DFPN基于残差空间通道增强模块改进特征金字塔网络,使不同尺度特征层进行深层次特征融合,提升目标检测精度.在训练阶段添加样本加权训练策略,使网络注重训练定位良好的样本和置信度高的样本.实验结果表明,在PASCAL VOC数据集上,所提算法在保证速度的同时检测精度由SSD的77.2%提升至79.7%;在COCO数据集上,所提算法的检测精度由SSD的25.6%提升至30.1%,对小目标的检测精度由SSD的6.8%提升至13.3%.     

基于小波神经网络的简支梁桥损伤识别

针对小波神经网络对一维信号逼近能力强的特点,利用灰色理论中的关联分析法,对结构损伤特征参数和损伤指标进行灰关联分析,将所获得的参数间关联度作为把结构动态特征参数整合为一维输入量的权值,进而提出了基于灰色关联分析的小波神经网络模型。为提高网络的收敛能力和逼近效果,应用局部学习策略改进了小波神经网络的学习算法。仿真结果表明,利用上述方法进行结构损伤识别,识别结果明显优于传统的神经网络模型。     

基于ROC融合准则的SAR边缘检测算法

根据ROC(receiver operating characteristics)技术能评估分类器在所有可能工作阈值下总体性能的特点,建立包含边缘像素点相关分析与ROC分类决策的ROC融合准则。依据该准则组合多种SAR边缘检测算子,并得到合成孔径雷达(SAR)影像的理想边缘检测结果。实验结果表明,本文方法能融合多种边缘检测算子的优点,有较强的开放性与目标适应性,并且不需要手工设置阈值,自动化程度高,有很强的工程实用性。     

基于PCA和半监督聚类的入侵检测算法研究

针对网络入侵检测数据存在大量冗余信息和传统聚类算法对离群点检测不足的问题,提出一种基于主成分分析(principal component analysis, PCA)和半监督聚类的入侵检测算法。首先使用PCA对数据进行特征提取,消除数据间的冗余属性;然后利用少量已标记样本和成对约束信息,通过引入竞争凝聚让系统主动学习,以实现对大量未知样本的检测。在入侵检测数据集和UCI基准数据集上的实验结果表明,该算法能有效提高系统的性能。