一种改进的心电信号基线漂移矫正方法

传统滑动平均滤波法有实现容易、计算简单的优点,但在矫正心电信号的基线漂移时容易造成有用心电信号的丢失,从而使滤波后的心电信号产生失真.文中在传统滑动滤波器的基础上,考虑心电数据的采样率并进行跳跃采样对算法进行改进,给出了改进算法的数学模型,并利用MIT-BIH心电数据库中的实测数据对两种算法进行了比较验证.实验表明改进算法处理后得到的结果,在矫正心电信号的基线漂移时与原算法相比,减少了有用心电信号的损失,滤波后的心电信号失真更小,与原始数据的吻合度更高,效果更理想.     

基于改进EEMD的心电信号基线漂移消除方法

针对传统方法滤波效果不佳的问题,本文提出了基于改进集合经验模态分解（Ensemble empirical mode decomposition,EEMD）的消除心电信号基线漂移方法。该方法克服了经验模态分解（Empirical mode decomposition,EMD）模态混叠的问题,并对EEMD方法存在的问题和不足进行改进,建立集合经验模态分解方法中加入辅助白噪声大小的可依据准则,从而确定加入的辅助白噪声大小以及集合平均次数这两个重要参数。它从含噪心电信号中提取基线漂移信号,然后重构其余本征模函数（Intrinsic mode function,IMF）分量得到"干净"的心电信号,为后续的研究提供前提。经实验验证表明：相较于传统方法,这种方法能够提高信噪比、降低均方差、保持特征波形、去噪更加彻底,很好地解决了心电信号低频成分损失的问题。     

基于小波变换多分辨率特性的语音消噪方法的研究

小波分析是一种信号的时间——尺度分析方法,特别适合于非平稳信号的分析,具有多分辨率分析的特性,而且在时频两域都具有表征信号局部特征的能力。通过分析语音信号的特性,利用小波变换的多分辨率分析特性,提出了首先对信号进行清浊音判断,其次运用多尺度多闽值方法来抑制包含有噪声的语音信号在不同尺度上的噪声小波系数,从而实现在重构语音信号中消噪的目的,并通过计算机仿真结果验证了该方法的有效性。     

基于形态学的ECG小波自适应去噪算法

为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,已经提出了多种方法来消除这些噪声.针对常规的ECG信号去噪算法存在的缺陷,提出了一种基于形态学的小波自适应去噪算法.该算法利用线性组合形态学滤波器去除基线漂移信号,然后对处理后无基漂的信号送入小波自适应滤波器,选取合适的阚值对其进行二次滤波去噪,最后得到无噪声的ECG信号.实验结果表明,该算法是一种有效的去噪算法.     

基于视点的多分辨率纹理选择方法

MIP Mapping技术是纹理映射中一种有效的纹理反走样技术。但是MIP Mapping只是根据被渲染区域的大小来选择相应分辨率的纹理,在初始化的时候必须把所有的纹理细节层次调入内存,这种情况下会降低计算机的效率。提出了一种基于视点的三维地图控制方法,根据与视点相关的渲染区域大小以及视觉重要度来选择相应分辨率的纹理。试验证明该方法在不降低显示质量的同时能有效减少纹理的渲染量,提高了计算效率。     

基于多分辨率分析及QFCM算法的图像分割方法研究

在图像的多分辨率小波分析的基础上,采用高斯－马尔可夫随机场模型来描述图像的局部特征,利用ＬＭＳ算法（ｔｈｅ ｌｅａｓｔ－ｍｅａｎ－ｓｑｕａｒｅ ａｌｇｏｒｉｔｈｍ）求得模型的参数估计,构造出图像的特征集,再利用快速模糊Ｃ－均值聚类方法（ＱＦＣＭ）对该特征集进行模糊划分,从而完成图像的分割,实验证明,这种方法具有较强的适应性,尤其对于景物－背景对比度差以及信噪比较低的一类图像,具有良好的分割效果。     

基于小波多分辨率分析的并发故障检测方法

提出了利用小波多分辨率分析技术进行多重并发故障检测的方法。根据信号分解重构后的时间位置不变这一事实,将信号进行多尺度的小波分解,并根据奇变信号和噪声信号小波变换后的系数差异,采用软阈值法,对其高频分量进行去噪重构,根据重构后的故障信号高频分量在不同尺度上的特征,对其进行故障特征提取,并将不同尺度上的故障特征进行综合,获得并发故障各自特征,进而可以实现对多重并发故障的检测和识别。对一电网信号分析的仿真结果证实了该方法的正确性和可行性。     

一种基于半边折叠的多分辨率模型构造方法*

虚拟现实的真实感限时图形生成中加速技术十分关键, 细节层次模型(LOD)在实时绘制复杂场景中得到了广泛应用。提出了一种基于半边折叠的多分辨率模型构造方法,该算法能够快速简单并有效地减少模型的多边形数,同时将简化记录紧致地存储在隐含着多分辨率模型的单分辨率模型中,减少了存储空间,并能实现快速地提取及显示。     

基于四叉树的动态多分辨率LOD地形快速简化

四叉树和多分辨率技术是目前表示地形结构和显示地形的最佳方式。在研究以往算法基础上,对基于四叉树的动态多分辨率LOD地形简化方法进行改进,建立了适合分辨率要求的节点评价系统,并提出一种双向裂缝消除方法,经距离阈值限制后分别从缩减和剖分两个相反的方向对产生裂缝的相关节点进行处理,在增强简化效果的同时提高了实时渲染的速度。     

基于多分辨率的图象压缩系统结构分析

本文着重对图象多分辨率技术进行分析，并提出了相应的系统结构成框架，同时还探讨了以图象多分辨率处理为核心，采用了 新的压缩编码的可能性。     

用于图像重构的代数多重网格算法

通过分析代数多重网格(algebraic multi-grid,AMG)算法中粗网格提取过程,提出了一种基于代数多重网格算法的图像重构算法.在代数多重网格算法的粗网格序列中,下一层粗网格保留上一层网格的强连接部分.将这种机制运用到图像,提取的粗网格可以较好的保留图像的有效信息部分,在图像变化剧烈的细节区域网格点分布不均匀,平滑模糊部分网格点分布均匀一致.以粗网格像素点进行插值,可以得到较好的重建结果.以均方误差为评价参数,与小波算法进行了比较,比较结果表明该算法在一定程度上优于传统的小波算法,且有一个图像融合应用实例,优于小波融合方法.     

改进小波多分辨力分析的数据融合算法

在小波分析中,多分辨力分析是一重要的方法。但该方法只对低频段的近似信号进行逐级细分,导致低频段频率分辨力越来越高,而高频段的细节信号保持不变,频率分辨力较低。为了克服小波多分辨力分析在高频段频率分辨力低的缺点,采用改进的小波多分辨力分析方法,由于该方法对高频段进行逐级细分,改善了小波变换在高频段的时频局部化性能,提高了小波变换高频段频率的分辨力。同时,将改进的小波多分辨力分析方法应用到多传感器数据融合中,经过仿真计算,其结果表明:该算法是有效的。     

基于聚类分析的心电节拍分类算法

为提高计算机辅助心电节拍分类算法的准确率和普适性,提出一种基于聚类分析的心电节拍分类算法,该算法利用心电节拍个体内差异性较小的特性,采用两级聚类分析、抽样代表性心电节拍的方法,结合心电医师的辅助诊断,实现对心电节拍的准确分类。为了验证算法的准确性,采用国际公认的标准数据库--MIT-BIH心律失常数据库,AAMI/ANSI标准规定的心电节拍分类方法及准确率的计算方法进行仿真实验,最终总体分类准确率达到99.07%。与Kiranyaz等(KIRANYAZ S, INCE T,PULKKINEN J, et al. Personalized long-term ECG classification: A systematic approach［J］. Expert Systems with Applications, 2011, 38(4): 3220-3226.)的心电节拍分类算法相比,该算法无需进行设定的训练,且S类心电节拍分类灵敏度由40.15%提高到89.82%,显著提高了分类算法的普适性。     

基于不变矩和小波分析的指横纹匹配新算法

为了有效提高刑侦过程中采集到的指横纹匹配的准确率和效率,提出一种基于修正不变矩和小波多分辨率分析的指横纹特征提取和匹配算法。该方法在一次识别阶段,为克服比例因子和旋转角度对矩的影响,提出最小矩形的求矩区域修正方法并对由Radon投影得到的不变矩特征矩阵进行初等行变换确定旋转角度,从而建立候选图像集合。在二次识别阶段,利用小波多分辨率分析对候选图像集合的确定角度Radon投影进行分析,再由得到的加权不变矩特征向量进行最高相似度匹配。实验结果表明,该方法较传统方法有更好的识别率。     

基于多分辨率和Powell算法的医学图像配准

针对基于互信息和Powell算法存在局部收敛的问题,在改进的Powell算法的基础上,提出了一种基于多分辨率策略的医学图像配准算法。首先通过小波变换对源图像进行分层,然后在最低频带使用改进的Powell算法进行搜索,并利用搜索结果来指导上一层的搜索,逐层细化,由粗到细,最终实现图像的精确配准。实验结果表明,该方法较传统方法速度快、精度高、鲁棒性好,同时能有效避免局部收敛。     

基于多分辨率分析的T-S模糊系统

目前模糊系统缺乏保持辨识精度与模糊语义最佳折中的有效辨识方法,其主要原因在于缺乏系统的优化结构辨识方法.因此,本文从时-频域角度构造出基于多分辨率分析的T-S(Takagi-Sugeno)模糊系统拓扑结构.然后,采用具有多分辨率特点的B-样条尺度函构造模糊隶属函数,根据投影算法和模糊隶属函数相异测度给出了模糊系统结构辨识算法.仿真结果验证了这种模糊系统及其结构辨识算法的有效性.     

A recursive algorithm to compute the baseline drift in recorded biological signals

Baseline estimation and removal is one of the main problems to overcome in order to obtain a correct interpretation of recorded biological signals. The method described in this paper is based on a new application of recursive estimation of a smoothing spline, selected to model the unknown baseline. Its advantages over conventional methods derive from these characteristics: it is parametric and recursive, it works in the time domain, and the same software can be used in different applications, since no a priori frequency knowledge is needed. In the example, the method is applied to ECG recordings and a spectral analysis is thereby shown.     

H.264中基于多分辨率高效帧间预测算法

针对H.264视频编码标准,提出一种帧间编码的快速模式选择和运动搜索算法。此算法基于多分辨率运动估计方案和新率失真模型进行预测模式快速选择,并结合带提前退出准则的快速搜索算法来加速搜索过程。新算法能使运动估计的计算复杂度大幅降低。实验结果表明,同全搜索算法相比,在编码效率略微下降条件下,编码速度提高60到120倍。     

Fast image segmentation based on multi-resolution analysis and wavelets

An efficient algorithm for image segmentation based on a multi-resolution application of a wavelets transform and feature distribution is presented. The original feature space is transformed into a lower resolution with a wavelets transform to derive fast computation of the optimum threshold value in a feature space. Based on this lower resolution version of the given feature space, a single feature value or multiple feature values are determined as the optimum threshold values. The optimum feature values, which are in the lower resolution, are projected onto the original feature space. In this step a refinement procedure may be added to detect the optimum threshold value. Experimental results for the proposed algorithm indicate feasibility and reliability for fast image segmentation.     

小波多分辨率的谐波正弦语音建模

谐波正弦语音模型因固定帧长不能使每个谐波得到最佳分辨率,而分辨率决定着语音的建模效果。因此提出小波多分辨率的谐波正弦语音模型,将谐波语音信号通过小波变换分解成多分辨率子带信号,利用谐波正弦语音模型对这些子带信号独立建模,将建模后的各子带信号相加合成。仿真实验显示该模型的信号重构误差降低约两个数量级,通过PESQ软件测试得到的MOS分值约提高0.3。