基于FastICA算法的脉搏波信号特征参数提取方法研究

经过大量临床证实,脉搏波能反映许多心血管方面的生理信息,脉搏波特征变化可以反映出人体生理系统的状态。为了能够在脉搏波信号中提取更多的生理参数,必须对脉搏波信号的各种特性进行深入的分析。利用光电容积脉搏波描记法(PPG),人们只需要将手指轻微的贴着摄像头就可以采集到手指图像,对图像进行独立成分分析(ICA),找到最接近人体的脉搏波信号。这对基于智能终端分析脉搏波信号的特征,进行呼吸、血压、心率测量的便捷性有很大的提高,为在家居环境下对人体生理参数的实时监测提供了一定的参考。     

脉搏信号滤波方法研究

为了降低噪声对人体脉搏信号的干扰、提高采集精度,提出了一种改进的滤波算法。从脉搏信号及其噪声特点出发,采用与经验模态分解法结合的方法,选择适当的小波基并改进小波阈值函数,构造模态系数对脉搏信号进行滤波。经过理论分析与实验验证,取得了理想的实验数据。结果表明,改进的阈值算法不仅克服了软、硬阈值的局限性,并能有效克服傅里叶变换后产生的边缘效应问题;同时,与经验模态分解法相结合,削弱了低频噪声滤除的误差,增强了小波变换的自适应性,较传统的滤波方法能更好地抑制噪声,有助于提高信噪比。     

光纤光栅脉搏波分析处理及特征提取

本文提出了一种利用光纤光栅（Fiber Bragg Grating, FBG）检测脉搏波的信号处理及特征提取算法。将光纤光栅采集脉搏波与光电容积（Photoplethysmography, PPG）脉搏波进行对比,分析出光纤光栅脉搏波的特点。提出了小波阈值消噪与改进的数学形态学滤波相结合的光纤光栅脉搏波消噪算法,并根据脉搏周期对形态学结构元素长度进行自适应选择,从而改善了去除基线漂移的效果。研究了脉搏特征提取方法,提高了脉搏波峰值点和起点检测的准确性。实验结果表明,经消噪处理后,输出脉搏波的信噪比是输入脉搏波信噪比的2倍,脉搏波峰值点和起点提取准确率分别达到了97.2%和97.6%。该算法结构简单,易于实现,对光纤光栅脉搏波检测智能服装的研发和脉搏特征的有效提取具有重要的意义。      

脉搏波信号降噪和特征点识别研究

对脉搏波的完全分析是建立在含有少量噪声且较为清晰的脉搏波信号中,然而在采集脉搏波信号时容易受到多种干扰的影响,使其提取出来的脉搏波含有大量的噪声,因此降噪处理显得尤为必要。同时,脉搏波中含有人体生理病理信息,不同的人将表现为不同的特征,可以看出确定脉搏波特征点对于分析人体生理健康很有意义。针对信号去噪问题采用小波变换和多分辨率分析的方法,该方法在时域和频域都能表征信号局部信息的能力,且具有对信号具有自适应性。运用极值法确定出脉搏波的峰值点,然后再根据峰值点确定出其他特征点的位置,实验证明该方法能够增加特征点的检出率。     

脉搏信号相干检测方法的实验研究

脉搏信号是评估人体健康状况的一个重要因素。由于脉搏信号频率低、幅值小,常常被淹没在噪声内,为了提取脉搏信号,需要对信号进行去噪处理,因此采用相干检测实现去除噪声,通过对采集到的脉搏信号进行处理,得到了良好的输出波形。针对脉搏信号的特点,给出了实际可行的电路和测试方法。由实验结果可知,该系统具有良好的测量稳定性。     

基于声音信号的特征提取方法的研究

主要介绍了利用MATLAB语言对声音文件的采集、调入和一些基本处理方法，对预处理过程及特征参数的选取做了详细的说明，并着重介绍了线性预测系数（LPC）及其倒谱系数（LPCC）和梅尔频率倒谱系数（MFCC），且对它们进行了比较。     

射频调制信号瞬时特征提取方法研究

本文研究电子对抗中射频调制信号瞬时特征提取方法。对于高信噪比(SNR)信号(SNR≥15dB),采用射频信号中频直接采样和抽取、内插方法完成信号的IQ分解和恢复;并计算信号瞬时包络和信号相位主值序列;利用信号相位解混响算法和改进的基于相位多项式系数估计的信号瞬时频率最小方差算法估计信号瞬时解混响相位和瞬时频率。文中给出具体算法描述和计算机模拟结果,利用文中的方法可以有效估计射频调制信号的瞬时特征。     

基于matlab的语音信号特征提取方法研究

人类不同于动物最基本的特征就是语言。语言是人类特有的沟通方式。所以能否正确提取计算机中的语言信号特征是目前人类在计算机发展技术中面临的最严峻的挑战。文章主要针对语言信号的特征提取方法进行研究,并对相关的实验数据进行系统分析来完善并实现人和计算机间的语言转换。     

基于EMD和SVD的光电容积脉搏波信号去噪方法

光电容积脉搏波采集过程中存在基线漂移和高频噪声会给后续人体生理参数的测量带来困难,因此消除噪声干扰是准确进行相关生理参数测量的关键问题。提出一种结合经验模态分解和奇异值分解的去噪方法。该方法采用经验模态分解将光电容积脉搏波信号分解为若干个固有模态函数,通过功率谱密度判断代表基线漂移信息的固有模态函数获得基线漂移曲线;使用奇异值分解处理光电容积脉搏波信号中的高频噪声,针对传统的差分谱法无法准确识别奇异值有效阶次的不足,提出加权能量贡献率的方法选取奇异值的有效阶次。实验结果表明,该方法能有效消除光电容积脉搏波信号中的基线漂移和高频噪声,这对光电容积脉搏波信号检测精度的提高具有重要意义。     

声信号的可视化特征提取方法

提出一种新的研究思路,先对声信号进行可视化,然后提取其图像特征,用于分类识别。针对语音信号0-9及三类交通噪声信号,分别得到声谱图,然后用脉冲耦合神经网络进行图像处理,提取平均熵和一致度作为图像特征,最后用BP神经网络进行分类识别。结果表明这种方法具有较高的识别率。     

基于自回归模型的信号特征提取研究

自回归参数模型系数法是信号特征提取的重要方法。采用了自回归模型的不同算法对声信号数据进行了对比分析讨论。通过实验仿真证明了信号预处理的重要性及不同特征提取方法对检测结论的不同影响。     

水下目标信号特征提取与采集研究

提出了基于子波变换的辐射噪声特征提取方法，据此获得了水下目标的有效频率分布范围，为水下目标信号采集器的设计确定了频率范围，同时介绍了水下目标信号采集器的硬件结构、实现方法和实验结果。     

脉冲多普勒引信信号的参数提取

针对脉冲多普勒引信的视频回波特点提出了一种参数提取的方法。首先采用均值一极小极大法从视频脉冲串中提取出多普勒信号，接着获取多普勒信号的包络并对多普勒信号做时频分析得到随时间变化的估计频率。提出了将基于FFT的频率估计法和基于多重信号分类（MUSIC）的频率估计法相结合的新思路。包络值的变化趋势和估计频率的变化趋势从不同的侧面反映了引信工作的历程。     

电子通信信号抗干扰循环频率特征提取算法研究

研究针对电子通信信号干扰所致的频率偏差大、定时误差大等问题,引入小波降噪原理,分析了协议识别流程与改进、特征波形小波系数取舍等问题,提出了基于循环频率的电子通信信号特征识别及提取方法,对超宽频信号周期进行估算,应用四阶累积量映射信号,获取映射域特征值,经过卷积与池化,提出了信道重叠信号分离、信号特征识别与提取算法,通过仿真试验证实该方法能够降低电子通信信号噪声干扰,在低信噪比条件下有着鲜明的优势,提取的信号特征结果具有较高的准确性。     

基于小波分析的电线电缆故障信号特征提取

电线电缆作为一个应用广泛的基础产业,占据着我国电工行业1/4的产值,仅次于汽车行业,是我国第二大行业,被称作国民经济的“动脉” 和“神经”。因此,对于电线电缆故障点的确定技术也是一个热门的课题。近年来,国内外学者对这个课题进行了深入的研究,取得了一定的成果。文中主要利用实验仿真手段,借助小波分析理论,在研究阈值去噪方法的基础上,研究了基于阈值的3σ去噪方法在电缆故障诊断中的应用。实验结果表明,文中方法在电缆故障特征信号的提取中的应用具有可行性。     

基于小波理论的脉象信号消噪及特征点检测

利用小波变换具有揭示信号时频两域细节和局部特征的能力,采用小波包分解消除脉象信号中的工频干扰,通过小波分解重构滤波法消除因呼吸引起的基线漂移,并用小波变换模极大值法对消噪后的信号进行特征点检测。实验表明,小波理论对一维非平稳微弱信号具有良好的消噪能力和突变点的检测能力,能实际有效的滤除脉象信号中混杂的基线漂移及工频干扰等噪声,并最大限度地保留信号本身特性。     

基于多重分形的膝关节摆动信号特征提取与分类

膝关节摆动(VAG)信号是膝关节在屈伸活动时由于接触摩擦所产生的振动,它能够反映髌骨软化症、半月板损伤和交叉韧带损伤等膝关节损伤疾病的特征与状态,正逐步得到临床医学的重视。本文依据多重分形去趋势波动方法,定量分析了正常和异常VAG信号的特性,提取了分形标度指数、多重分形谱极值点、广义分形维数和时频信息熵值等特征信息,并采用支持向量机对正常和异常VAG信号进行分类,得到较高的分类准确率,对于膝关节损伤疾病的无创检测和辅助诊断具有重要意义。      

基于稀疏分解的高分辨雷达信号特征提取

从含噪的目标波形中提取稳健的目标特征,是准确识别目标的关键.通过稀疏分解将高分辨雷达回波信号展开于一个超完备Gabor时频字典上,从具有局部化时频结构的信号中提取相关特征量,并采用改进的混合粒子群算法降低匹配追踪过大计算量的问题.实验表明,使用少数原子就可以表示原信号的主要特征信息,可作为目标识别的依据.