一种基于特征增强的自适应阈值R波检测算法

为提高心电信号R波检测准确度,提出了一种基于特征增强的R波检测算法。首先经过小波分析去除心电信号的高频噪声和基线漂移,然后对信号进行差分运算,选取各数据点前后连续10个差分的最大和最小值做乘积运算,达到增强R波特征的目的,最后设定两个自适应阈值,对全部数据完成检测。实验结果:经过MIT-BIH Arrhythmia Database数据验证,R波检测准确度Acc可达99.57%,敏感度Se高达99.76%,真阳性率+P高达99.82%。将得到的结果与已有文献中的方法进行比较,本文算法简单,实时性好,检测准确率高,更符合实际临床应用的需求。     

基于小波变换和希尔伯特包络分析的QRS波检测算法

提出一种基于双正交小波变换和Hilbert变换的QRS波检测算法。首先,通过双正交小波变换分解与重构,消除高频噪声,同时突出R峰位置,构造出有利于QRS波检测的检测层。然后,对信号求差分和希尔波特变换,进一步抑制P波、T波以及基线漂移等噪声。最后,在计算得到的包络信号上根据自适应阈值及决策规则进行R峰检测。根据MIT-BIH心率失常数据库有标注的临床数据进行验证,QRS波检测结果准确率达到99.01%,同时算法具有不错的鲁棒性和实时性。     

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.     

基于香农能量与自适应阈值的心电QRS复合波检测算法

针对现有心电QRS复合波检测算法对于一些信号异常的情况检测效果仍然不理想的问题,提出了一种基于香农能量与自适应阈值相结合的心电QRS复合波检测算法,以解决QRS复合波检测的低准确率问题。首先,从预处理后的信号提取香农能量包络;然后,结合改进的自适应阈值方法对QRS复合波进行检测;最后,根据QRS复合波增强后的信号定位所检测的QRS复合波的位置。使用MIT-BIH心律失常数据库的数据对所提算法进行性能评估,结果表明,所提算法即使在信号中存在高大的P波、T波、不规则心律以及严重的噪声干扰时依然能准确检测QRS复合波的位置,总体数据检测的敏感性、阳性检测度和准确率分别达到了99.88%、99.85%和99.73%,且该算法能够在保证准确率的情况下快速地完成QRS复合波的检测任务。     

基于小波变换和脊波变换的自适应图像去噪算法

为了克服单纯小波变换或脊波变换的不足,提出了基于小波变换和脊波变换的自适应去噪算法。实验结果表明,在处理点奇异性和线奇异性的图像时,该方法比单纯小波变换或脊波变换的阈值去噪算法更具优越性,在实际应用中更为有效。     

基于小波变换的心电信号阈值去噪算法研究

心脏病是威胁人类健康的病症之一,发病率一直居高不下。但纯净的心电信号不容易得到,心电信号中总有各种噪声。对心电信号的去噪研究逐渐成为人们研究的热点。由于传统傅里叶去噪的局限性,近年来逐渐兴起的小波分析逐渐成为人们去噪研究的重点。通过对前人工作的总结和分析,提出了一种新的阈值去噪的方法,既克服了软硬阈值函数的缺点,同时又能在它们之间进行灵活选择,并最终通过实验模拟达到了理想的去噪效果,证明该算法比传统的方法更能得到纯净的心电信号。     

基于经验模式分解的R波检测算法

本文基于经验模式分解理论与自适用阈值检测原理,采用一种新的心电信号处理方法实现了对心电信号的预处理与R波的检测.该方法经MIT-BIH心电数据验证,可以降低高大P波,T波和基线漂移等噪声污染的影响,R波检测准确率高.     

基于小波变换的心电信号综合检测算法研究

目前小波分析已经用于心电信号（ECG）的R波峰点检测,但是对QRS波群的具体形态和起止点位置的检测研究较少,P波和T波的分析也是心电图计算机自动分析的难点.为解决心电信号各波形成分的综合检测问题,基于小波变换技术构建一系列检测方法、检测准则和阈值参数,检测和识别QRS波群、P波、T波的具体形态和位置.实验结果表明,所提出的综合检测算法具有较好的鲁棒性,能够较好地抑止或消除基线漂移、高频干扰等外部因素,以及大T波、大S波、高U波、波形融合等自身病态因素对波形综合检测产生的影响.     

基于DSP的心电信号R波检测新算法

根据多导联间心电信号相位的关系,算法选择其中的两个导联信号同时进行小波变换R波检测,最后比较这两个通道的输出得出R波检测结果.算法使用LMS自适应滤波进行消噪预处理,使得检测结果更精确.使用MIT-BIH心电数据库病变信号在DSP上进行测试,平均正确检测率达到了99.7%.     

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。     

基于嵌入式技术的便携式心电监护仪设计

介绍一种基于嵌入式技术的心电监护仪的设计与实现方法,它具有实时采集、显示、心电信号自动分析处理、报警等功能。系统以基于ARM9内核的32位低功耗微处理器作为控制核心,在心电信号处理中应用了50Hz滤波及合适的R波检测等算法。该系统具有良好的可靠性和精确性,且操作简单,体积小,方便携带,很适合家庭和个人的需要,可作为医生对病人诊断、治疗、观察监护的辅助性设备。     

自适应阈值小波滤波及其在ECG消噪中的应用

采集的心电信号,各类噪声往往覆盖了其有用信号的全频段范围,通常的方法难以有效消噪。讨论了将非线性阈值函数h引入小波消噪中,通过训练信号来确定各尺度下的h函数参数,然后采用阈值自适应的小波滤波进行心电信号消噪的方法。通过和Donoho的小波阈值消噪法对实测心电信号消噪比较,说明了该方法在心电消噪方面的有效性,且在消噪后波形不失真方面具有更好的优越性。     

生物医学信号处理研究综述

生物医学信号处理在生命科学研究、保健、疾病的预防、治疗以及医疗仪器产业中具有重要的意义。由于生物医学信号来自于人体,受生理、心理的影响,信号具有多样性和复杂性的突出特点,加之其特殊的应用目的,因此生物医学信号处理需要多学科的理论。本文较为全面地讨论了生物医学信号处理的主要内容,即生物医学信号的种类、特点和对其处理的主要环节,生物医学信号处理所涉及的理论内容,并以心电和脑电为例介绍了生物医学信号处理的应用。然后介绍了生物医学信号处理的新进展,简要回顾了现代信号处理近十年来的热点内容,即Hilbert Huang变换、压缩感知及信号的稀疏表达。最后对生物医学信号处理研究方向进行了展望。     

基于容性耦合电极的可穿戴心电信号检测及其去噪算法研究

针对传统心电检测系统存在佩戴电极不方便和电极导电膏易脱水等问题,在研究分析电容耦合工作原理的基础上,设计了一种可穿戴容性耦合电极。针对这种可穿戴容性耦合电极,提出了一种改进小波阈值去噪算法,该算法结合心电信号与噪声小波系数分布特性,采用改进阈值函数对分解后小波系数量化处理并重构心电信号。利用MIT￣BIH数据库验证,该算法能有效消除心电信号中的噪声干扰,相比平滑滤波、数学形态滤波和经验模式分解信噪比提高了10.72％,均方误差减小了27.29％。心电检测实验表明可穿戴容性耦合心电信号检测系统能够准确检测出人体心电信号主要特征。     

改进自适应双门限协作频谱感知算法

频谱感知是认知无线电领域的关键技术之一,得到了众多学者广泛深入的研究。在低信噪比情况下,传统双门限算法阈值门限固定不变导致检测效果较差,针对该问题,提出一种自适应双门限协作频谱感知算法,通过计算各节点信噪比得到权值,调整判决门限,将当前判决结果与前后时刻充分联系,融合各节点判决信息得到最终判决结果,理论分析和仿真结果表明,相较于传统双门限和加权双门限检测算法,本文提出的算法具有更好的检测效果。     

基于经验模式分解的R波识别及噪声消除

提出了一种新的心电信号R波识别方法,探讨了经验模式分解在心电信号R波识别领域的可行性,并结合该理论给出R波的识别算法,用MIT心电数据库中部分记录进行验证,取得了比较理想的效果.最后应用该理论处理心电信号噪声时,发现去噪的效果优于仅使用小波方法去噪.     

基于3次B样条小波变换的改进自适应阈值边缘检测算法

针对含噪声图像边缘提取问题,提出了一种改进NormalShrink自适应阈值去噪算法。该算法首先通过小波变换和局部模极大值法提取出可能包含图像边缘特征的小波系数,利用边缘像素之间特殊的空间关系以及噪声在各级小波分解尺度下的不同效应,构建适合各个尺度级的改进NormalShrink自适应阈值,并依此对提取出的小波系数进行筛选。实验结果表明,与改进的Candy算子和传统的NormalShrink自适应阈值相比,本方法提取出的图像边缘较为完整清晰,峰值信噪比提升约6 db。