一种基于小波变换的脉搏波速度测量方法

动脉脉搏波速度变化是动脉血管病变的指示剂,因此脉搏波速度的检测对血管疾病的预防和治疗有很大的帮助作用.脉搏波中夹杂的各种噪声干扰会影响测量结果精度.利用小波变换可以去除脉搏波中的各种干扰,实现波形的平滑重构,为提高测量精度打下基础.脉搏波波速的测量精度在很大程度上取决于波速参考点的提取,首次采用二次差分峰值点作为波速参考点,提高了测量精度.临床实验证明,新方法能够有效地分析出脉搏波速度,有助于动脉血管弹性程度的辅助诊断.     

基于小波变换的心脑血管疾病脉搏信号分析方法

运用小波变换分析方法对心脑血管疾病患者和健康人的脉搏信号进行了特征分析,得到患者和健康人脉搏信号的不同频带能量分布比例特征。该特征在患者和健康人的脉象上有着明显的差别,可作为心脑血管疾病临床诊断时的一种参考依据。     

基于小波变换的多方向小波变换

方向小波变换(SAWT)是小波变换(WT)的多方向扩展,它的基是各向异性的,具有多尺度、多方向的图像表示特性。SAWT不能恒保持多分辨率尺度关系,不能较好地表示图像中的平滑区域,因此利用WT和SAWT构造了一种新的多尺度、多方向且能保持多分辨率尺度关系的小波方向波变换。为了验证该变换的有效性,利用其进行了图像去噪实验。实验结果表明,所提方法能够很好地表示图像中的平滑区域和细节信息,并且能获得更高的峰值信噪比和结构相似性。     

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。     

基于提升方法的脉搏波信号处理

小波变换在信号处理中有着广泛的应用,但是传统的小波变换依赖于傅立叶变换,有大量的卷积运算,运算速度较慢。文章讨论了第二代小波变换的原理,并采用第二代小波变换来处理脉搏波信号。提升算法是构造第二代小波的关键技术,它不依赖于傅立叶变换,可实现整数小波变换,大大提高了运算速度。通过分析提升算法的基本原理,尝试用第二代小波变换对脉搏波信号进行去噪处理;并介绍了小波软阈值法和硬阈值法,分别采用这两种方法进行降噪处理,将结果与传统小波变换处理的结果进行比较,得到了令人满意的效果。     

基于小波变换的QT检测

提出-种新算法进行QT间期的自动分析方法对ECG信号进行小波变换,根据模极大值对的形态进行T波识别.结果,经MIT-BIH数据库检验,QRS波识别率达到了99.52%.经QT数据库检验,T波正确识别率达到了87.69%,与心电专家手工标注相比,误差为0.33 ms±10.59 ms.     

基于自适应脊波变换的边缘检测

通过分析现有的一些方法,提出了一种基于自适应脊波变换的边缘检测方法。这种方法以脊波变换为理论基础,具有多方向和多尺度性,能对图像中的不同方向的边缘特征进行有效的表示和检测。实验表明,对于边缘主要表现为直线而其他位置光滑的图像,该检测方法抗噪声更强,定位更准确。     

基于LabVIEW的人体脉搏波检测系统

本文根据人体脉搏信号特征设计了一个脉搏检测装置,能够获得不失真的人体脉搏波形并且能在PC机上显示,以便医护人员观察和研究.该脉搏波检测系统的最大特点是利用DAQ数据采集卡采集信号并用LabVIEW虚拟仪器的操作面板及相应的程序,显示出脉搏的波形和脉搏频率以及实现波形的存储、回放和异常信号报警等功能.相比与传统的仪器,虚拟仪器并不依赖于硬件,其性能很大程度上由应用软件决定,大大缩短系统的开发时间和成本,提高生产效率高达4～10倍.     

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。     

基于小波变换的人体脉象信号奇异点检测

为了揭示脉象所包含的丰富的心血管系统生理病理信息,利用小波变换的奇异性检测原理,获得了脉象信号的小渡变换模极大值图,检测出了人体脉象信号的突变点,从而准确地确定了心脏收缩期ts和舒张期td.通过对大量信号的实验分析和统计,发现心脏病人和正常人的舒张期和收缩期之比td/ts及脉波率有明显差异,这为部分心脏病的诊断提供了定量的参考依据.     

基于小波变换多维时间序列最新变化点检测

现代数据科学中存在大量的多维时间序列数据,检测多维时间序列中的最新变化点对于短期预测很重要。一种改进的方法被提出,以检测此类多维时间序列数据中最新变化点。通过使用小波变换,将多维时间序列中的变化点检测问题转化为相对较容易的多维面板数据中的变化点检测问题。该方法旨在跨时间序列合并信息,以便优先推断多个序列中同一时间点的最...     

基于小波分析的脉搏波信号去噪

脉搏波信号采集过程中存在引入的肌电干扰和基线漂移等噪声,引起脉搏信号不准确。针对传统滤波方法滤除脉搏波噪声性能较低的特点,提出了一种改进的空域相关滤波方法。将信号小波分解后,在小波变换值的相关量中加入一个自适应调整系数,最后用保留的小波系数对原信号进行重构;改进方法具有良好的自适应性能和显著的滤波效果,在有效去除噪声的同时,很好地保留了信号的主要细节。仿真结果表明,改进算法去噪效果好,同时减小误差,提高了信噪比,为脉搏分析提供了准确信息。     

基于小波变换的人脸检测系统的实现

本文以Gabor小波变换理论为基础,采用模板匹配法定位人脸图像的眼睛,弹性匹配法对其余特征点进行搜索,最后利用弹性图簇的数据结构求得特征点的精确位置,提出了一种更优的人脸检测方法。通过MATLAB软件仿真结果表明,该方法能有效提高人脸的识别率。     

边界探测的小波变换方法

根据Ｍａｌｌａｔ的多尺度边界探测的思想,实现了连续小波变换的多尺度边界探测,并用Ｆｏｕｒｉｅｒ变换作为工具,进行连续小波变换的计算,在计算任意方向的模值时,了使用加权平均的方法。给出了算例。     

子波分析在脑电图癫痫波提取中的应用研究

利用子波和子波变换的性质，并根据其对一小段医学信号的异常信号，可以灵敏地通过子波系数反映出来的特点，将子波分析应用于脑电图（ＥＥＧ）信号处理，把癫痫波从常规ＥＥＧ信号中提取出来，文中给出子波变换分析ＥＥＧ信号的实例，理论和实验表明，利用子波变换检测常规ＥＥＧ中的病理波有独到之处。     

基于小波变换的脉象信号特征提取方法

为了较好地区分正常人与心脏病人的脉象信号，利用小波变换奇异性检测功能与多尺度分辨特性，提出了两种提取脉象信号特征的方法：连续小波变换法和二进小波变换法。在此基础上，构造了两种特征向量：小波变换系数的尺度——主波峰值和小波变换的尺度——能量值。经过对临床采集的235例脉象信号的处理与分析统计，所得数据具有较好的重复性与稳定性，可以作为用于脉象信号识别的特征向量。     

基于小波变换的图像纹理奇异性检测方法的研究

介绍了一种用于图像纹理奇异性检测的二维数字滤波器的设计,该滤波器是基于离散小波变换设计的。它具有纹理树状结构的多分辨分析特性。用一阶及二阶的微分方法进行奇异点的估计与合并,可应用于图像纹理奇异性检测。     

基于二进小波变换的图像边缘检测

提出一种基于二进小波变换的图像边缘检测算法.二进小波利用模局部极大值来提取图像的多尺度边缘信息并具有平移不变性,因此二进小波图像边缘检测具有特征提取快和边缘检测精确等特点.图像边缘检测的对比实验结果表明,二进小波的边缘检测比文献[4]中的实验效果好,细胞边界明显,图像边缘更为清晰.     

基于小波包变换的Robust-M检测器

利用小波包分析将信号变换到其小波包系数域上，通过研究平稳随机噪声在各子空间上小波包系数的统计特性，结合Robust检测理论的相关结论，对非高斯噪声下的信号检测问题建立了统一的框架，并提出了一种新的检测算法。仿真实验表明，此算法不仅具有良好的鲁棒性和广泛的适用性，而且能够更为充分地利用噪声统计分布信息，从而有效地提高检测效率。