基于希尔伯特变换和自适应阈值的R波检测算法

提出一种基于希尔伯特变换和自适应双阈值的R波检测算法。首先对预处理后的信号进行幅度归一化和希尔伯特包络分析;然后采用自适应双阈值法检测R波;最后,根据增强后的信号定位检测到R波的位置。使用4个具有不同频率和信噪比的数据库(MIT-BIH心率失常数据库、QT数据库、NST噪声数据库、European ST-T数据库)和临床采集心电数据对所提算法进行性能评估,结果表明,各种不规律和含有严重噪声干扰的心电信号中R波的位置依然能被所提算法准确检测出。在MIT-BIH心律失常数据库中,总体数据检测的敏感性、阳性检测度和准确率分别达到了99.36%、99.77%和99.13%,每条记录平均消耗时间比传统的Pan and Tompkins算法大大缩短。实验结果表明该算法具有良好的鲁棒性和实时性。     

带反馈修正的多结构元形态学心电信号QRS波检测算法

本文提出了一种带反馈修正的多结构元形态学心电信号QRS波检测算法。首先,采用形态学滤波消除心电信号中的脉冲噪声;接着,基于两种不同宽度的结构元,对滤波后信号进行形态学峰谷提取,获取QRS波波形陡峭信息和幅度信息;然后,根据形态学峰谷提取结果,采用自适应阈值检测法初步定位QRS波;最后,利用估算出的R-R间期对QRS波检测结果进行评估和修正,并反复此评估修正过程直至获得满意结果。经MIT-BIH心律失常数据库验证,本算法具有很好的QRS波检测效果。     

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。     

基于数学形态滤波和提升小波变换的R波检测

利用数学形态学与提升小波变换相结合的方法对心电信号进行分析处理。先用数学形态方法对心电信号进行滤波预处理,可以有效地去除高频白噪声与低频的基线飘移,再利用提升小波变换对处理后的心电信号进行多分辨分析,得出各层逼近信号与细节信号,并在此基础上结合不应期、自适应阈值和回溯检漏等方法,提出了一种动态的R波检测算法,使得QRS波群的检出率达到99.89%。     

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。     

一种改进差分算法及其在QRS波检测中的应用研究

文章使用一种改进的差分阈值算法来实现心电图QRS波的检测。实验证明,该算法的检测误差率在1%以下,同时还具有计算量小、实时性强等特点。区别于传统自适应算法,该算法能够在干扰较强的情况下实现QRS波的精确定位。算法实现如下:首先,通过一阶差分与二阶差分相结合的方法确定QRS波群;其次,通过自适应阈值确定Q,R,S峰的位置;最后,基于以上参数,采用窗体法确定出P波和T波的位置。     

基于非线性能量算子的心电信号R波检测方法

将Marr小波变换和非线性能量算子相结合实现了心电信号的R波检测,心电信号的Marr小波分解信号很好地抑制了各种噪声干扰,结合非线性能量算子运算可突出了QRS波的特征点,使得阈值检测便于实施,利用修正策略提高了R波检测率,经MIT/BIH标准心律失常数据库验证,R波的检测率可达到99.7%,该方法对于心电信号的自动分析系统具有应用价值。     

心电R波检测及控制左心辅助装置

心衰是一种威胁人类生命的主要疾病之一,左心室辅助装置作为心脏移植前的过渡支持治疗使用,对心衰终末期患者的生活质量和生存率有明显提升;在对心电图实现自动的检测中,QRS波群的检测是最关键的环节,它影响着后续数据分析和处理的正确性及准确性;设计利用数据库数据和人体心电采集数据作为原始待处理源,通过高阶低通滤波与香农能量的创新算法结合进行处理数据,在硬件上增加使用高阶自适应中值滤波算法,使得处理后的实时数据噪声降到最低,有利于准确提取到R波,最后使用测试后的心电R波驱动左心室辅助装置,达到对心衰患者进行辅助治疗的作用,并且通过MATLAB和Modelsim软件仿真成功后,在FPGA硬件上实现了实时心电信号控制血泵系统的方案;经试验测试此方法可以准确的提取R波,并且可以控制左心辅助装置同步进行泵血。     

基于改进遗传模拟退火 K-means的心电波形的分类研究

针对心电图自动诊断困难这一问题,提出了一种新的聚类算法：基于均方差属性加权的遗传模拟退火K-means改进聚类算法,用于改进心电图（ECG）信号的自动识别技术。利用小波变换的多分辨率和抗干扰能力好的特点,检测QRS波、P波、T波,提高了特征检测的准确性;利用聚类分析具有较好的鲁棒性和适合于大数据量分析的特点,对心电信号进行波形分类。采用MIT-BIH标准心电数据库中的部分数据对识别结果进行判断,改进后的K-means聚类算法的准确率高于传统的K-means聚类算法,实验表明该算法对心电信号可以进行有效分类。     

心电信号中R波的小波包检测算法研究

心电信号(ECG)特征参数的提取和检测是心电图分析和诊断的基础,而在ECG分析中,快速准确地检测出QRS波群非常重要,它是计算相关参数和诊断的前提。本文针对心电信号QRS波群中R波的检测算法进行了研究与分析,对传统的小波R波检测算法中存在的检测准确率较低和实时性较差的问题加以改进,并提出了具有更加优良分析效果的小波包R波检测方法。并利用美国麻省理工学院的MIT/BIH心电数据库对上述方法进行仿真验证,同时与传统的小波R波检测算法进行实验对比,结果表明,该方法简单有效、准确率高,适于实际应用。     

复杂噪声中基于MFCC距离的语音端点检测算法

为提高复杂噪声环境下语音信号端点检测的准确率,提出一种基于梅尔频谱倒谱系数(MFCC)距离的多维特征语音信号端点检测算法。通过计算语音信号的MFCC距离,结合短时能量和短时过零率对特征距离进行修正,并更新其阈值,建立自适应噪声模型,实现复杂噪声中语音信号端点的准确检测。实验结果表明,与基于双门限能量和基于倒谱距离的2种经典检测算法相比,在计算效率相同的条件下,该算法的检测准确率更高。     

心电信号ST段形态识别算法

针对目前心电图ST段诊断准确度不高,容易受到噪声干扰的情况,提出了一种基于最小二乘多项式拟合的ST段形态识别算法。首先利用二次样条小波经过Mallat算法检测出心电信号中的QRS波群,然后检测出T波、QRS波群起点、J点、T波起点等特征点,依此判断ST段偏移方向,并将ST段分为直线型和曲线形,最后通过多项式拟合算法来确定直线型ST段的斜率和曲线型ST段的凹凸方向。通过MIT-BIH心电数据库的数据文件的仿真实验验证了该算法用于ST段形态识别的准确度在90%以上,实验表明,该算法减少了ST段特征点检测过程中噪声的干扰,提高了ST段形态识别的准确度。     

微弱信号相位检测的自适应陷波法及其应用

针对微弱信号因噪声影响造成剧烈的相位变化,采用常规的方法无法检测出其相位的现象,提出了一种自适应陷波方法。该方法采用自适应陷波算法来滤出期望信号,再对陷波后信号进行带宽压缩以提高信噪比,从而准确检测出信号的相位。根据检测方法,研制出以数字信号处理器为核心的检测系统,并应用此系统检测石英晶体输出的微弱信号的相位差。试验表明,对于信噪比小于-60 dB的微弱信号,系统相位检测精度达到2×10-6。     

基于信噪比估计的自适应频谱感知算法

针对传统能量检测不能对低信噪比条件下的信号进行准确感知,容易造成误判的缺点。为了提高在低信噪比条件下的频谱感知性能并缩短感知时间,结合循环特征检测具有较高的检测性能和鲁棒性但计算复杂度高的特点,提出了基于信噪比预估计的自适应频谱感知算法。该算法通过预估计待检信号与信道噪声的信噪比,当高于信噪比选择阈值时,采用改进后的自适应门限能量检测,降低运算复杂度;若低于选择阈值则进行循环特征检测,保证良好的检测精度;并可以根据系统对检测精度和感知速率的要求,自适应调整选择阈值的大小。仿真结果表明,所提算法有效的提高了低信噪比条件下频谱感知的准确性,缩短了平均感知时间。     

强噪声环境下自适应语音端点检测算法

本文在分析基于短时能量的语音端点检测算法局限的基础上,引入短时信噪比SNR估计方法,并设计自适应的判决门限,提出一种自适应语音端点检测算法.通过对平稳高斯白噪声环境下信噪比从-10dB到20dB的带噪语音信号进行的仿真实验表明,所提方法能更为准确地检测到语音的端点.