基于改进差分阈值算法的心电检测技术研究

针对差分阈值算法中固定阈值的局限性,文中提出了一种基于自适应波峰阈值和R波间隔阈值的算法。该算法结合心电信号特点自动选择波峰阈值,并选择R波间隔阈值,提高了算法的自适应性和准确率。文中以MIT-BIH心律失常数据库中的心电信号作为实验样本,采用带通滤波与小波阈值滤波相结合的方法完成心电信号去噪,采用改进差分自适应阈值算法对心电信号进行波形检测。实验结果表明,该算法能够将心电信号R波的检测准确率提升到99.57%,有效减少了误检、漏检问题的发生,并可准确完成心率、心率变异性、身体疲劳度、精神疲劳度计算和常见心律失常分类。     

基于小波变换的自适应QRS-T对消P波检测算法

该文提出一种基于小波变换的自适应QRS-T对消P波检测算法。首先采用二进Marr小波的Mallat算法对心电信号作多尺度分解,在每个尺度下只保留超过一定阈值的小波模极大值点,其它点置零处理。在小波分解的3,4尺度下检测QRS波群,并根据心拍节律信息和QT间期,将QRS-T波群所对应的小波模极大值点进行自适应对消,最后对包含P波的剩余信号进行非线性放大,利用小波模极大值的自适应阈值检测方法定位P波。该方法经MIT-BIH心电数据库数据验证,取得了满意的结果。     

基于小波分析的心电信号去噪算法研究

心电信号在临床诊断上有非常重要的作用,但由于容易受到噪声干扰,采集的心电信号中通常包含很强噪声,为了有效去除噪声干扰,该文提出了一种基于自适应阈值的小波模极大值算法来进行信号去噪.关键点是在每个分解尺度上自适应的选取合适的阈值,用来对小波变换系数的模极大值点进行筛选,以去除噪声极值点.该文采用MIT/BIH数据库中的数据对算法进行仿真验证,结果表明该算法有更好的去噪效果,同时心电信号能被很好的保留.     

一种基于Hilbert变换的R波检测算法

基于希尔波特(Hilbert)变换性质和自适应阈值检测原理,本文提出一种新的心电信号R检测算法。该方法经MIT-BIH心电数据库数据验证,可有效降低基线漂移和高频噪声的干扰,克服高大P波和T波的影响,准确检测率在99．84%以上,算法简单,实时性好。     

自适应CA-CFAR的心电信号R波检测技术

针对心电信号R波的突变特性,利用雷达信号的检测方法,本文提出一种自适应单元平均恒虚警率(cell averaging-constant false alarm rate, CA-CFAR)的R波检测方法。首先利用滤波器组对心电信号进行预处理;然后将预处理后的信号利用自适应CA-CFAR检测判决;最后由心电信号R波的间隔特性做一个不应期剔除规则的处理,得到R波的定位。对美国麻省理工学院提供的MIT-BIH数据库中心电图(Electrocardiograph, ECG)信号仿真,实验证明,自适应参考单元的CA-CFAR对MIT-BIH的ECG信号R波检测的精准率为99.842%,检测误差为0.354%。实测数据表明了算法的有效性和适用性。      

基于EWT和结构特征提取的心电信号R波识别算法

R波作为心电信号中最明显的特征,常作为确定心电信号其他波段的重要依据.针对现有算法识别率低的问题,提出一种基于经验小波变换和信号结构特征的R波识别算法.首先利用经验小波变换对心电信号频谱进行自适应分割,在分割区间上构造合适的小波滤波器组提取出具有紧支撑的模态分量,然后对提取出的各模态分量进行频谱分析,找出R波对应的高频分量并对其进行结构分析,从而实现R波的准确定位.仿真结果表明,所提算法对心电信号R波识别的灵敏度达到99.93％,准确率达到了99.92％,阳性准确率达到99.99％,并且算法耗时仅0.68s,对R波具有很好的识别效果.     

基于高阶统计量的心电信号R波检测

心电信号的检测对于临床心脏疾病的检验和确诊有很重要的作用,所以目前有关心电信号榆测方法的研究很多.本文针对心电信号R波的检测,采用了一种基于高阶统计量的检测方法.使用MATLAB编程软件实现了心电信号R波检测,采用非参数直接法心电信号R波进行双谱估计.并将实验运行结果作以比较.实验结果表明高阶统计量是一种十分有效的信号检测和系统分析方法.     

基于生成对抗网络的动态心电信号QRS波检测

心电信号分析是预防心血管疾病的重要举措,QRS波的精确检测不仅是心电信号处理的关键步骤且对心率计算和异常情况分析具有重要作用。针对动态心电信号存在信号质量差或异常节奏波形导致常用QRS波检测方法精度较低的问题,本文提出了一种基于生成对抗网络新型QRS波检测算法。该算法以Pix2Pix网络为基础,生成网络采用U-Net结构,判别网络运用Patch-GAN思想,用U-Net结构的跳跃连接方式,实现了心电数据至R波波峰位置数据的映射,并通过对原始信号的去噪和重组,提升输入信号信噪比。使用ICBEB动态心电数据库2000组单导联心电信号进行算法验证,并与P&T算法和基于CNN的算法作对比,结果表明,本文算法的R波检测准确率达到99.13%,显著优于P&T算法和CNN算法。在灵敏度和阳性预测方面,本文算法获得最优结果,说明了本文算法的有效性。     

基于小波变换的QRS波群检测

提出了一种基于小波多分辨分析的算法,对心电信号进行特征提取和识别。通过小波变换对常规心电图信号进行分解去噪和特征提取,并利用动态自适应阈值和删除多检点,补偿漏检点对QRS波检测进行优化。实验结果表明该方法在QRS波形不失真的情况下,提高了一部分MIT-BIH数据库信号中QRS波识别的准确率,并且对于较低准确率的心电信号的原因进行了分析。     

基于集合经验模态分解和信号结构分析的心电信号R波识别算法

R波作为确定心电信号各波段的重要参考,是心电自动分析的前提。针对大多数R波识别算法的预处理过程影响识别准确度和耗时问题,该文提出一种基于集合经验模态分解(EEMD)和信号结构分析的算法对带噪心电信号(ECG)的R波直接进行识别。首先通过EEMD将带噪声的心电信号分解成一系列本征模态分量,然后对分解后的各模态分量作独立成分分析以提取出R波特征最明显的成分,对该成分进行结构分析,从而实现对R波的准确定位。仿真结果表明,该文算法对带噪声心电信号的R波识别具有更优性能,对异常心电信号的R波识别也具有明显效果。     

小波变换在心电信号处理中的应用

在心脏病诊断过程中,心电信号的检测是重要的环节,然而心电信号的噪声很强,为了能够较好地滤除信号中的噪声,对信号的特点进行准确标定,利用基于小波变换的阈值去噪算法和基于小波的模极大值-极小值的算法进行心电信号的处理.采用MIT/BIH中的数据进行仿真调试验证,实验结果表明,被引入的几种噪声能被很好地去除,而且心电信号能较完整地保留下来,特征点能被准确地检测到,从而提高了诊断心脏等疾病的诊断效率.     

An approach to cardiac arrhythmia analysis using hidden Markov models

This paper describes a new approach to ECG arrhythmia analysis based on "hidden Markov modeling" (HMM), a technique successfully used since the mid-1970's to model speech waveforms for automatic speech recognition. Many ventricular arrhythmias can be classified by detecting and analyzing QRS complexes and determining R-R intervals. Classification of supraventricular arrhythmias, however, often requires detection of the P wave in addition to the QRS complex. The hidden Markov modeling approach combines structural and statistical knowledge of the ECG signal in a single parametric model. Model parameters are estimated from training data using an iterative, maximum likelihood reestimation algorithm. Initial results suggest that this approach may provide improved supraventricular arrhythmia analysis through accurate representation of the entire beat including the P wave.     

Neural-network-based adaptive matched filtering for QRS detection

We have developed an adaptive matched filtering algorithm based upon an artificial neural network (ANN) for QRS detection. We use an ANN adaptive whitening filter to model the lower frequencies of the ECG which are inherently nonlinear and nonstationary. The residual signal which contains mostly higher frequency QRS complex energy is then passed through a linear matched filter to detect the location of the QRS complex. We developed an algorithm to adaptively update the matched filter template from the detected QRS complex in the ECG signal itself so that the template can be customized to an individual subject. This ANN whitening filter is very effective at removing the time-varying, nonlinear noise characteristic of ECG signals. Using this novel approach, the detection rate for a very noisy patient record in the MIT/BIH arrhythmia database is 99.5%, which compares favorably to the 97.5% obtained using a linear adaptive whitening filter and the 96.5% achieved with a bandpass filtering method.     

可穿戴心电信号监测中运动伪影消除技术研究

心电图(ECG)是心脏疾病诊断最有效的工具。噪声的去除和Q波、R波、S波的提取是心电信号检测中的两大主题。本文使用Savitzky-Golay滤波器对人体在弯腰、走路、坐下-站起等运动状态下采集的心电信号进行分析,去除信号中的基线漂移和运动伪影,并对滤波后信号的Q波、R波和S波进行检测。通过将本文提出的滤波方式与卡尔曼滤波、小波分解就时间复杂度和功率谱密度两个参数进行对比分析,评估Savitzky-Golay滤波器在心电信号中运动伪影去除的优势。实验结果表明,Savitzky-Golay滤波器能更加有效地适应心电信号的变化,有效地去除心电信号中的噪声,并且最大限度保持心电波形的形状和波峰。      

小波变换在心电信号去噪中的应用

文章根据coiflet小波在各个尺度上的不同的带通滤波特性,并利用小波变换多分辨的特点对心电信号进行滤波。文中通过软、硬阈值折衷函数及自适应阈值策略对MIT／BIH国际标准数据库中的ECG信号进行了处理与验证。实验结果表明,该算法能较好的抑制心电信号中的各类噪声干扰。