心电信号中R波的自适应检测方法

阐述一种检测心电图中R波的方法,通过小波阈值去噪及小波分解与重构去噪法去除心电信号的噪声,使用差分阈值法对心电信号中的R波进行自适应检测,其中闽值的选取具有自更新的特性。对R波多检与漏检的分析,设计相应的辅助策略检测R波。使用MIT-BIH标准库中的心电数据对本方法进行仿真验证,结果表明：本方法能够准确有效地检测出心电图中的R波。     

基于小波变换与形态学运算的R波检测算法

本文提出了一种基于小波变换与形态学运算的R 波检测算法。采用二进Marr小波的Mallat算法对心电信号作多分辨率分解，利用数学形态学运算突出信号的峰谷点特征，将小波变换模极大值检测原理与形态学峰谷检测算法相结合，不仅可以实现对 R 波的准确检测和精确定位，同时也具有较好的算法实时性。     

基于DSP的心电信号R波检测新算法

根据多导联间心电信号相位的关系,算法选择其中的两个导联信号同时进行小波变换R波检测,最后比较这两个通道的输出得出R波检测结果.算法使用LMS自适应滤波进行消噪预处理,使得检测结果更精确.使用MIT-BIH心电数据库病变信号在DSP上进行测试,平均正确检测率达到了99.7%.     

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%。     

基于经验模式分解的R波识别及噪声消除

提出了一种新的心电信号R波识别方法,探讨了经验模式分解在心电信号R波识别领域的可行性,并结合该理论给出R波的识别算法,用MIT心电数据库中部分记录进行验证,取得了比较理想的效果.最后应用该理论处理心电信号噪声时,发现去噪的效果优于仅使用小波方法去噪.     

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。     

基于经验模式分解的R波检测算法

本文基于经验模式分解理论与自适用阈值检测原理,采用一种新的心电信号处理方法实现了对心电信号的预处理与R波的检测.该方法经MIT-BIH心电数据验证,可以降低高大P波,T波和基线漂移等噪声污染的影响,R波检测准确率高.     

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。     

基于几何形态群组特征的R波检测算法

针对R波检测问题,提出了基于几何形态群组特征的R波检测算法。算法首先用滤波器组对心电信号进行预处理,然后通过整体与局部兼顾的信号处理方式计算几何形态特征值,并使用群组中三个几何形态特征值检测R波,最后采用MIT-BIH标准心律失常数据库验证算法。实验结果表明,算法对R波检测的错检率为1.07%,灵敏度为99.38%,精确率为99.61%,准确率为98.99%。     

同步脉搏心电信号的非线性分析

对同步脉搏信号和心电信号进行处理,获取脉搏信号和心电信号的间期序列P R及R R;采用非线性动力学理论与方法,计算非线性特征参数最大Lyapunov指数和近似熵ApEn,并进行相关性分析。从而分析比较同步脉搏和心电信号的相关性。结果表明,同步脉搏信号和心电信号的非线性指标也具有较好的相关性。说明可以通过对人体脉搏波的分析了解人体心脏的搏动情况,为人体心血管疾病的预防和诊断提供一种新的途径和辅助手段。     

心电信号的aTrous小波变换综合检测方法

心电信号反映了心脏有节律的活动。R波、P波和T波是去、复极时产生的突变信号,是典型的峰值奇异信号。信号的突变点检测是小波变换应用的一个重要方面。确定QRS波群的具体形态和起止点,检测P波、T波特征点是心电图分析的难点。研究了信号的二进样条小波按aTrous（多孔）算法进行的变换,构建了系列检测方法,来检测和识别QRS波群、P波、T波的具体的形态和位置。实验结果表明,所提出的综合算法具有较好的适应性,能很好地抑制基线漂移,消除高频干扰,克服了大T波、大S波、高U波波形自身病态因素对综合检测产生的影响。     

基于模糊综合评价的可穿戴心电信号质量评估

通过对R波检测匹配度、功率谱密度比值、峰度值3个反映心电信号质量的指标集进行重点介绍与分析,建立基于模糊综合评价的可穿戴心电信号质量评估模型,导出心电信号质量指数以及质量等级。最后对该算法进行比较与讨论,结果表明使用模糊综合评价方法能在一定程度上减小干扰条件下对心电信号的错误评估。     

小波投影算子在工业图像边缘检测及抗噪分析中的应用

采用基于小波变换投影算子的快速多尺度边缘检测迭代算法，计算表明，迭代次数取5－9，输出图像信噪比较佳；并与传统的Marr边缘检测方法作了实验比较分析，小波变换方法针对工业现场采集的监视目标图像污染严重及噪声干扰等实际情况是一种较好的方法，在边缘定位精度，图像细节丢失等方面优于Marr方法，对噪声干扰也有较好的鲁棒性。     

Facilities for digital pattern recognition: an ECG detective trick

Algorithms for digital pattern recognition optimized for the demands of the physician are urgently needed. They have to provide high levels of recognition, accuracy, artefact rejection and flexibility in detecting different types of signal time-course. The microcomputer algorithm presented here works on the principle of Walsh-transformation of signal sections and in-image judging. The algorithm efficiently solves simple tasks, and also recognizes, for instance, ECG P-waves using the same algorithm. A test with 1054 randomly selected outpatient's ECG and with an additional 72 ECGs of inpatients with clinically proved myocardial infarcts produced the following results: The recognition ratio for the R-wave amounted to 98.8% with a failure ratio of 2.3%, while an initial common P-T-pattern was correctly recognized in 80.3% of cases, with a failure ratio of 4.9%. The algorithm was implemented on a Z80 microprocessor and on a single-chip computer Z8.     

A hybrid evolutionary approach to segmentation of non-stationary signals

Automatic segmentation of non-stationary signals such as electroencephalogram (EEG), electrocardiogram (ECG) and brightness of galactic objects has many applications. In this paper an improved segmentation method based on fractal dimension (FD) and evolutionary algorithms (EAs) for non-stationary signals is proposed. After using Kalman filter (KF) to reduce existing noises, FD which can detect the changes in both the amplitude and frequency of the signal is applied to reveal segments of the signal. In order to select two acceptable parameters of FD, in this paper two authoritative EAs, namely, genetic algorithm (GA) and imperialist competitive algorithm (ICA) are used. The proposed approach is applied to synthetic multi-component signals, real EEG data, and brightness changes of galactic objects. The proposed methods are compared with some well-known existing algorithms such as improved nonlinear energy operator (INLEO), Varri?s and wavelet generalized likelihood ratio (WGLR) methods. The simulation results demonstrate that segmentation by using KF, FD, and EAs have greater accuracy which proves the significance of this algorithm.