基于有限长脉冲响应滤波器和aTrous算法的小波心电信号去噪

微弱低频的心电信号采集中容易受到外界环境的干扰,必须先对其进行预处理才能用于心脏疾病的诊断。Mallat算法的小波分解重构法不能有效滤除心电信号中的工频和肌电干扰;小波阈值法不能有效滤除心电信号中的工频和基线漂移,重构的心电信号会产生伪吉布斯现象。针对以上情况,提出了一种基于有限长脉冲响应滤波器(FIR)和aTrous算法的小波去噪方法。该方法综合运用了50Hz陷波器、aTrous算法小波分解重构法和小波阈值法。仿真郑州大学第二附属医院和MIT-BIH心率失常数据库的心电信号表明,该方法能够有效去除心电信号中的工频和基线漂移,大幅度衰减肌电干扰,同时有效消除伪吉布斯现象。     

心电信号去噪效果的评估与分析

心电信号是人体的主要生理信号之一,通过对心电信号的分析可了解心脏的健康状态,由于心电信号属于微弱低频信号,所以在采集过程中极易受到来自人体内部和外部的噪声干扰,影响心脏疾病诊断的效果。基线漂移、工频干扰和肌电干扰是心电信号采集过程中不能忽略的噪声干扰。对心电信号的相关去噪算法的效果进行对比分析。首先将模拟理想状态下的心电信号作为原始数据,同时模拟出心电信号中存在的基线漂移、工频干扰和肌电干扰。每种噪声干扰分别选择三种常用的去噪算法,采用信噪比、均方差和心电信号的频域特征的评估指标进行去噪效果的比较。在此基础上,提出了一种多噪声心电信号的去噪方法并给出去噪流程和效果。研究结果表明：（1）对于基线漂移、工频干扰和肌电干扰分别采用小波变换法、陷波滤波法和小波阈值法的去噪效果最好;（2）当心电信号含两种及两种以上噪声时,按照滤除基线漂移、工频干扰和肌电干扰的去噪顺序滤波效果最好。     

基于空时自适应处理的多波束抗干扰改进算法

传统的多波束算法无法处理与导航信号来自同一方向的窄带干扰。针对该问题,提出了一种改进的多波束抗干扰算法,级联时频域结合的IIR格型陷波器于多波束抗干扰算法中,通过IIR格型陷波器预测并抑制窄带干扰,通过多波束形成抑制宽带干扰。这种新的算法能有效地抑制窄带和宽带干扰,提升GPS抗干扰接收机的性能。     

心电信号去噪的数学形态学滤波器

为探索验证一种基于数学形态滤波器的去除心电基线漂移和工频干扰的高性能滤波器设计方法,借鉴数学形态学一维信号滤波原理,提出自适应阈值ECG去噪算法的思路,讨论了3σ统计准则在ECG自适应阈值滤波中的作用,利用改进的算法对心电图中常见的工频干扰和基线漂移进行校正。通过对MIT-BIH心率变异数据库中多组数据的仿真验证研究,验证了该算法能有效实现心电信号的噪声预处理;数学形态学理论在心电信号处理中具有良好性能,是实时处理一维生物医学信号有潜力的工具。     

一种基于多级维纳滤波的改进空时抗干扰算法

传统的空时自适应处理（STAP）算法不仅计算量大, 而且不能抑制与导航信号来自同一方向的窄带干扰。针对此问题, 提出了一种改进的STAP抗干扰算法, 将时频域结合的IIR格型陷波器与改进MSNWF的功率倒置算法相结合, 通过IIR格型陷波器预测并抑制窄带干扰, 通过改进MSNWF抑制宽带干扰并实现降维处理。这种新的算法不仅能更有效地抑制窄带和宽带干扰, 而且提升了计算速度和输出信干噪比（SINR）。     

一种ECG信号肌电干扰去除方法的研究

实测心电(ECG)信号通常被多种因素干扰,尤其是肌电干扰的去除存在较大困难.本文提出一种结合经验模态分解法(EMD)与主成分分析(PCA)的消噪算法来去除ECG信号的肌电干扰.解决了通常采用小波算法和EMD等方法会导致ECG信号产生振荡和丢失有用信息的难题.本研究利用PCA对含噪信号经EMD分解后的内蕴模态函数(IMF)进行去噪处理,通过对MIT-BIH心电数据进行仿真,以及定性分析了信噪比(SNR)和均方误差(MSE).结果表明,ECG信号中的肌电干扰被有效去除,所提方法的消噪效果整体上优于小波去噪算法和EMD消噪算法,是一种有效的消噪方法.     

表面肌电信号的降噪处理

表面肌电信号是一种易受多种噪声影响的生物电信号,其中以工频干扰、基线漂移、白噪声等干扰尤为严重.通过分析噪声干扰的特点,结合表面肌电信号特征,选取频谱插值法在频域内消除了工频干扰;利用形态学滤波的开闭运算得到基线漂移特征,从而滤除了基线漂移;基于经验模态分解(EMD)得到的本质模态函数分析消除了白噪声.实验结果表明:上述滤波方法在不损坏有用信号的前提下,可以实现较为满意的滤波效果.     

小波分析法在心电信号数字滤波中的应用

该文介绍了小波分析在数字滤波领域中的重要作用及其基本理论,并介绍了在心电信号数字滤波器,如何利用coniflet小波函数对原始的心电信号进行Mallat多分辨率分解和重建,并解决了小波分析在心电信号滤波中会遇到的三个实际问题：小波基函数的选取,确定心电信号及噪声的频域表现和小波在不同尺度下的通带。通过实验证明,用coiflet小波对心电信号进行数字滤波,能很好地换制信号中的基线漂移、工频干扰和肌电干扰。     

结合小波变换和中值滤波心电信号去噪算法研究

在采集心电信号数据的过程中,必然会涉及到肌电干扰、基线漂移和50Hz工频干扰,而使用常规系统辨识法则常常在一定程度上难以鉴定心电信号的特性.中值滤波器是一种操作简单的、高速的非线性信号滤波器,它常用于心电信号中低频去噪过程,如基线漂移.因为WTS的二进小波是一组带通滤波器,不同尺度有不同的频带,小波变换被选定用来分解原始信号,小波变系数的重建形成了消除干扰的心电信号.采用模拟实验是要确定如何进行自适应的阈值选取,适当的分解层数和小波函数.通过使用MIT/BIH数据库的心电信号,并结合计算机仿真形成的心电信号来对该方法进行检验.结论表明此算法可有效抑制心电信号中的主要噪声,满足心电波形临床分析和诊断的需求.     

基于形态学和小波变换的心电信号去噪算法

在处理心电信号采集过程中混入的基线漂移、工频干扰及肌电干扰等噪声的过程中,小波变换取得了广泛的应用。针对小波算法的缺陷及不足,提出了一种基于数学形态学和小波阈值的混合算法。该算法利用非线性形态学滤波器滤除基线漂移,将获得的含高频噪声心电信号通过小波阈值算法进行处理,最后获得无噪声的ECG（心电）信号。采用MIT/BIH Arrhythmia Database中的数据对算法进行了验证,实现了三种主要干扰的滤除,本算法效果良好,为后续特征点的识别奠定了基础。     

心电信号噪声的数字滤波研究

心血管疾病的正确诊断依赖于心电信号的准确获取,提出了一种消除工频干扰和基线漂移的数字滤波方法,该方法运算量小、设计简单、易于实现.实验表明该方法能有效滤除工频干扰和抑制基线漂移,获得真实的心电信号.     

基于DSP的心电信号实时滤波算法的实现

介绍数字心电图的心电信号处理中实时滤波算法的实现,探讨针对心电信号的工频干扰、肌电和基线漂移的实时数字滤波方法,在数字心电图的DSP芯片平台上选取有效的滤波算法分别用于消除和抑制基线漂移、工频干扰及肌电干扰。实验表明,在DSP上实现的心电数字滤波方法能达到预定设计要求,具有实时性、有效性等优点,并成功地应用到国家医药管理局攻关项目的十二导联数字心电图机上。     

脑电信号中工频干扰去除的综合研究

微弱的脑电信号中常混有工频干扰,严重影响到有用的脑电信号提取和分析。针对传统陷波器会削弱有用的脑电信号的缺陷,文中研究了三种稳健算法:基于零极点分布原理的陷波器、自适应滤波器以及独立成分分析算法,来抑制脑电信号中的工频干扰。仿真实验结果表明,三种算法都可以成功去除脑电信号中的工频干扰成分,并且较传统陷波器对工频附近频谱影响更小,从而有效地克服了传统陷波器的缺陷;此外,独立成分分析算法能更好地保留有用的脑电信息,具有更大的优越性。另外,三种算法都可以应用于其他需要陷波的场合,具有很好的扩展性。     

改进的经验模态分解法去除脉搏波基线漂移

脉搏波信号中含有丰富的人体生理病理信息,然而基线漂移的存在严重影响人体生理参数的准确提取,需要予以去除。针对传统经验模态分解（EMD）方法在去除基线漂移时,通过经验来确定基线漂移信号所在的固有模态函数阶数,导致去噪性能下降。根据EMD分解过程中固有模态函数的特性,提出基于过零率检测的方法进行算法改进,通过计算每阶固有模态函数的总过零率,设定阈值来确定基线漂移阶数。仿真实验结果表明：该改进算法科学严谨,能够有效地去除脉搏波基线漂移,提高了信噪比,有利于提高基于光电容积脉搏波提取血压、血氧等人体生理参数的精度。     

异构复杂信息网络下的异常数据检测算法

异构复杂信息网络承载着不同的协议和网络信道,并通过云储存实现资源调度,由此产生的异常数据会给网络信息空间带来安全威胁和存储开销,所以需要进行异常数据准确检测。传统的检测算法采用简化梯度算法进行异常数据检测,不能有效去除多个已知干扰频率成分的异常数据,检测性能不好。提出一种基于自适应陷波级联模型的异常数据检测算法。构建异构复杂信息网络系统模型,采用固有模态分解把异常数据信号解析模型分解为多个窄带信号,设计二阶格型陷波器结构,用多个固定陷波器级联抑制干扰成份,采用匹配投影法寻求优化特征解,找出所有匹配的特征点对,从而实现异常数据检测的改进。仿真实验表明,采用该算法进行异常数据检测时,信号幅值大于干扰噪声数据幅值;该算法提高了检测性能,具有较好的抗干扰性能。     

基于EMD的多带滤波器去除脉搏基线漂移

脉搏信号分析是中医客观化研究的一个重要组成部分,高质量的脉搏信号又是脉搏信号分析的基础,但是脉搏信号往往含有基线漂移的低频成分.本文根据基线信号的特点和固有模态函数(IMF)的性质,提出了一种基于经验模态分解(EMD)的多带滤波体系去除脉搏基线漂移的新方法.另外,对该方法进行了仿真实验,并且与其他几种滤波方法(形态滤波、时变滤波和样条估计)进行了定量的比较,实验数据表明本文提出的方法对于去除脉搏基线漂移有较好的效果.     

从肌电信号中减少工频干扰方法的性能比较分析

如何从肌电信号中有效地减少工频干扰一直是肌电信号检测与应用中的突出问题。本文总结数字陷波、LMS自适应滤波、卡尔曼(Kalman)滤波和S变换等几种适合进行实时工频干扰去除的方法,研究和分析它们在去除肌电信号中工频干扰的性能。初步结果表明:Kalman滤波方法在从肌电信号中减少工频干扰方面表现出了较好的整体性能,而S变换方法对具有严重工频干扰的肌电信号具有较好的噪声抑制效果。     

基于小波的EMD去噪法应用于心电信号去噪

实测的心电信号不可避免地存在一些强干扰和噪声,如何在强背景干扰和噪声下准确提取出有用的心电信号,是心脏病智能诊断的一个重要内容．提出一种新的基于小波的EMD去噪方法,先将信号进行小波分解,将带噪信号分解为多个尺度的信号,然后再对其中某几层信号进行EMD分解,剔除其中的噪声模态分量,重构后得到去噪后的信号．最后分别利用仿真带噪心电信号和MIT／BIH心电噪声数据库信号进行验证,并与单独运用小波阈值法和EMD分解法比较去噪效果．结果表明,该方法优于其他两种方法,简单有效,且适于实际应用．     

基于神经网络心电图ST段形态识别

心电图ST段是心电图诊断中一项重要指标,ST段具体形态的识别对心血管疾病诊断意义重大.针对心电图ST段形态的多样性,传统时域方法对具体形态识别显得不足,心电信号是微弱信号,易受到低频和工频信号的干扰,有效地滤除基线漂移和工频干扰为ST段准确识别提供保证.通过零相位巴特沃斯有效滤除基线漂移和工频干扰,利用神经网络与时域分析相结合的方法实现ST段多种形态的快速识别,减少神经网络输出层的形态分类,能够准确识别出ST段形态,实验结果满意,为心电图ST段诊断提供了依据.     

基于全通滤波器的IIR陷波器抑制信号中的周期性干扰

从滤波器的系数敏感度角度 ,提出一种基于全通滤波器的 IIR陷波器来抑制信号中的周期性干扰。该滤波器是由全通滤波器的级联构成的 ,因为全通滤波器传递函数的分子和分母多项式之间的镜像对称关系 ,该滤波器可以用高效的格型运算结构来实现 ,并且具有很低的系数敏感度 ,使得系数量化后的陷波频点偏移量最小。本文详细论述了该陷波器的设计方法 ,并深入分析了其在低频段的系数敏感度问题。通过实际数据验证了这种滤波器能够有效的抑制电力线通信信号中的谐波干扰。