智能手机上心电信号R波的检测

选用墨西哥帽小波变换在智能手机上对心电数据进行预处理,并采用时-频域结合特征点位置信息的方法对R波进行检测.针对传统阈值法在R波检测中存在的一些问题进行改进,提出使用对频域数据进行一阶差分取绝对值,通过求极值的方法来检测倒置R波.通过使用MIT-BIH标准心律失常数据库的心电信号数据做为样本数据进行实验,实验表明该算法能够准确检测R波的特征值,最后将该算法应用到Android智能手机,效果令人满意.     

基于区域极值法心电QRS波的检测

目前,心电QRS波检测的方法很多,其中小波变换较为流行。其核心策略通常是在某一尺度或某几个尺度内搜索小波变换模极大—极小值对之间的过零点,此点对应R波峰值位置。然而,此方法策略存在一定的局限性,它只对一部分病例具有较好的检测效果,对于其它病例则不能较好地检测到R波峰值点,存在不同程度的偏差。根据医学心电常识,R波在心电信号一定区域内幅值为最大,只要确定了搜索区域,搜索到极大值点即为R波峰值点。本文结合二次B-样条小波变换算法提出一种区域极值检测法。通过美国MIT/BIH心电标准数据库进行实验验证表明,该方法克服了此局限性,对108和207以外的所有病例都具有较高的检测率和较好的检测效果,同时经过ARM平台实际应用验证了本算法完全满足实时分析的需求。     

改进EWT算法的心电信号去噪研究

心电图对诊断心律失常具有重要意义,但心电信号易受各种噪声的干扰,噪声会改变心电信号的形态,影响心律失常的准确诊断。本文提出了一种改进经验小波变换的心电信号去噪算法,根据心电信号的频域特点,改进了经验小波变换中频谱的划分方法,并通过计算过零率和相关系数去除噪声相关的经验模态函数,使用小波阈值法去除剩余分量的残留噪声。实验结果显示,基线漂移和肌电干扰得到有效滤除,降噪后信号的信噪比为17.7382dB,均方根误差为0.0203,优于其他常用方法。改进的经验小波变换算法降噪效果明显,能够有效还原原始心电信号特征。     

基于VMD和KNN的心电信号分类算法

心电信号反映了心脏的活动状态,在诊断心脏疾病和指导心脏手术方面有重要参考价值,为提高心电信号的分类准确率,降低识别难度,提出了一种基于变分模态分解(VMD)和K最近邻(KNN)相结合的心电信号分类算法。使用MIT-BIH心律失常库中的数据,选取5类心电波形作为主要分类对象,从多个记录中截取心电信号作为样本数据,确定最优分解层数,利用VMD分解提取各模态的能量特征作为分类特征,最后运用KNN算法对信号进行分类识别并与支持向量机(SVM)和BP神经网络等分类方法进行了对比。实验结果表明,该方法在少量样本的情况下依然可以实现对心电信号的快速准确分类。     

ECG去噪算法的设计与实现

对心电信号进行数字滤波时,因其幅频特性和过渡带的影响很容易造成心电波形失真,为了使原始含噪心电信号与降噪后的心电信号具有同等光滑性和最小方差估计特性,去噪连续性效果更好,分析研究了几种常用的去噪算法,并分别采用MIT BIH数据库中的数据及实测心电数据进行仿真分析,仿真结果表明采用小波阈值去噪算法可以更好的对心电信号进行去噪处理,得到清晰不失真的原始心电信号,信噪比(SNR)达到30以上,均方误差（MSE）在0.1以下,设计方法简单、计算量小,具有很好的应用前景和广泛地使用价值。     

基于互信息最小的非线性混合胎儿心电信号提取方法

胎儿心电信号提取具有重要的临床意义。目前大多数胎儿心电信号提取方法是基于线性瞬时混合模型,使用多路信号实现.本文基于更符合实际情况的非线性混合模型,使用两路心电信号,提出一种新颖的从母体腹部混合信号中提取胎儿心电信号方法。首先,在假定母体和胎儿两个心电信号相互独立的基础上,基于互信息最小原则,提出一种新的目标函数;然后,利用多层感知机拟合母体心电信号传导至腹部所经历的非线性变换,从而得到母体腹部混合信号中母体心电成分的最优估计;最后,从母体腹部混合信号中减去母体心电信号的最优估计,实现胎儿心电信号的成功提取。实验结果验证了该方法的正确性和有效性。     

材质对于非接触式行波传感器传变特性的影响

传感器的性能对准确高效地获取故障行波信号具有重要影响,为研究不同材质非接触式电压传感器的传变特性,首先对采集的信号用小波包能量谱法进行小波包分解,利用MATLAB软件拟合得到不同材质传感器采集信号的能量在相同频段的不同衰减规律,分析传感器传变特性;其次使用MATLAB工具编写入射波脉宽计算程序,根据脉宽值判断采集波形的明显程度以及原始信号幅值衰减速度判断信号采集的难易;最后从定位误差的角度分析定位的准确度;结果表明,镁材质金属片在行波测距中传变特性较好,可为传感器材质的选择及设计提供重要参考。     

基于卷积神经网络和心电QRS波群的身份识别

利用生物特征进行身份识别是目前模式识别领域的研究热点之一,由于人体的心电信号较为稳定且容易获取,因此利用心电进行身份识别得到了广泛的关注。传统基于心电的身份识别算法需要预先提取特征,然后进行模式识别,处理流程比较复杂,且容易受到噪声的影响。考虑心电QRS波群具有相对稳定的特点,利用QRS波群进行身份识别。首先对心电信号进行小波阈值降噪,然后提取QRS波群,将其转换为二值图,最后输入到卷积神经网络进行身份识别。通过几种不同超参数的卷积神经网络的计算比较,发现本文所述方法的最高准确率可达98.2%。此外,也对比了其他典型心电身份识别方法,结果表明,所述方法的识别准确率高于其他算法。     

DWA：一种新的心电实时检测算法

提出了一种简单可靠的心电信号实时检测方法——差分窗口法（DWA）。该算法首先用基线一相对幅值一差分法检测出QRS波群,再采用均值-方差-窗口法对TP波进行检测。试验采用MIT—BIHArrhythmiaDatabase中提供的48组心电数据及一些临床采集的心电数据,先在MATLAB下仿真了DWA算法,然后在ARM7TDMI—S上运行该算法,准确率达99．98％,实现了对心电的实时分析,验证了算法的可行性和可靠性。试验得到的结论为DWA算法能对心电信号的主要特征参数进行提取和识别,从而能够快速准确地对心电图进行诊断,易于在便携式系统中实现。     

一种面向心电信号处理的奇异谱分析改进算法

心电图(ECG)作为人体的关键生理信号被广泛应用于医疗领域,但在采集过程中心电信号容易受到噪声干扰而影响 信号质量。为此,设计了一种奇异谱分析(SSA)的改进算法用于心电信号降噪处理。奇异谱分析改建算法是在 SSA中的主 元重组(grouping)阶段引入逻辑回归(LR) 算法,将主元重组方式改进为自动重组,实现面向心电信号的 SSA 自监督降噪处 理。使用基于 AD620 的心电信号采集装置,构建53条心电信号测试集进行验证,使用奇异谱分析的改进算法,主元自动选择 的准确性为98.68%,重构的心电信号信噪比(SNR)由10.43 dB平均提高到20.17 dB,能够有效提取出清晰的PQRST 波,使 其在医疗领域心电信号检测与降噪方面具有很好的实用化前景。     

基于小波变换的导线绝缘故障定位方法

基于时域反射法(TDR)建立了航空导线绝缘故障的数学模型,仿真研究了不同上升时间的阶跃波在有损耗故障导线中传播的规律,结果表明陡峭上升沿的入射波有利于发现小范围的绝缘故障,同时高频信号的传播损耗使得反射波形变得平滑,给故障处尖峰起始点的定位带来误差。搭建了TDR试验平台,检测小尺寸的导线绝缘故障,对接收到的信号运用小波软阈值去噪法消除噪声,再进行连续小波变换确定故障处尖峰的起始点。实验结果表明,小波方法有助于发现较小的故障,并提高故障定位的精度。能检测到的绝缘故障最小长度为5cm,定位误差小于2%。     

基于小波变换的脉冲信号的提取

探讨了以小波变换为基础的滤波技术在冲击试验后信号波形提取中的应用。针对高电压冲击和大电流冲击信号的处理问题,采用不同层次的小波分析方法,将噪声信号从冲击电压和电流信号中提取出来,小波变换的引入使得波形处理更加简单。结果表明,对不同类型的样品进行冲击试验,小波变换都有较好的滤波效果,并很好地保存了信号的边缘特征。波形的处理结果也表明了该方法的可行性和适用性。     

基于脉冲衰减规律的电缆故障定位方法

针对故障点反射波形难以辨识的问题,提出了一种基于脉冲衰减规律的反射波辨识方法。该方法的实质是将小波方法与脉冲衰减距离规律结合,利用小波寻找反射波头对应的时间,利用脉冲衰减距离规律剔除反射波中不相干波形,实现故障定位。该方法有效解决了小波定位方法的局限性,具有一定的研究意义。     

改进型阈值提取心电信号的R峰值

心电信号（ECG）在心脏疾病诊断治疗中起着十分重要的作用,其中,由于R波具有幅度较大且易于检测的特性,故R峰值的检测成为电生理信号处理的一个重要的环节,它的正确检测对进行心率检测和电生理分析起着至关重要的作用。然而,心电信号在采集过程中会受到一定程度的干扰,例如工频干扰,基线漂移等问题,常用的R峰值阈值算法无法检测基线较低的心电波形,产生漏检。针对此问题,文章提出一种R峰值改进型阈值提取算法,通过对每个心电周期设置阈值和重检机制,提高了阈值算法的准确率。仿真实验证明,该方法简单有效,实时性强,显著提高了R峰值检测的准确率,满足临床应用的要求。     

基于波前陡度的输电线路单端行波故障测距

输电线路单端行波故障测距方法中故障点反射波头识别困难.故障初始行波的波前陡度与故障距离相关,文中分析了波前陡度与故障距离的关系,提出了波前陡度与小波波头识别相结合的单端行波定位方法.方法首先对线路故障后记录的单端行波波形求取小波变换模极大值,获取初始波头及各反射波头起始点,再通过首波头波前陡度计算初步故障距离,筛选最接...     

输电线行波测距中雷击与短路故障的识别

掌握超高压、高压输电线路上雷电冲击发生的位置和频次等信息,对输电线路的防雷保护及系统运行水平的提高具有重要的理论和现实意义,故而利用现有可检测与定位线路雷击的行波测距装置,提出了一种基于小波包能量谱和暂态行波特征分析的雷击与短路故障识别方法。通过对500kV输电线路的非故障性雷击、故障性雷击以及普通短路故障的仿真研究,提取出电流行波信号的特征和信号各频段的能量分布规律,结合这些特征和规律提出了对3种暂态过程进行识别和分类的具体算法。EMTDC仿真验证了该算法的正确性。     

基于故障特征频率的单端行波测距新方法

当电网某线路发生故障时,其暂态信号分别向故障点两侧传播,测量到的频率与故障点到观测点的距离有确定的数学关系。基于特征频率的暂态信号分析方法不需要提取行波波头到达时刻,避免了行波时域分析时由于波形畸变造成的测距误差。在研究前人的成果与不足基础上,提出了应用于中压配电网单端行波故障测距新方法,大大提高了信号频率分辨能力与测距精确度。该方法首先通过以故障波形信息自建立母小波函数,提高了母小波的适应性与特征频率提取的分辨能力;由上一步确定的故障特征频率,再从小波尺度图进一步对其进行修正。大量的仿真实验证明,基于该方法的单端故障测距适应性好,定位精度高。     

基于暂态信号频域分析的故障测距方法

提出了一种基于行波特征频率的暂态信号频域分析的故障测距方法,该方法通过自建立母小波函数对小波函数提取特征频率进行改进,提高故障特征频率的提取精度。利用PSCAD/EMTDC软件,采用本方法对一简单拓扑进行仿真,仿真结果表明该方法具有较高的精度。