基于无损约束降噪自动编码器的心电信号降噪

针对心电信号在采集和传输过程中受到各种噪声的干扰影响心电疾病诊断的问题,提出一种基于无损约束降噪自动编码器的心电信号降噪算法。通过构建深层神经网络来学习心电信号的深层特征,利用特征分离心电信号和噪声,实现对心电信号中常见的肌电干扰、基线漂移和电极干扰3种噪声的滤除。实验结果表明,该方法平均输出信噪比高于23.82 dB,平均均方根误差小于0.028。与已有的降噪算法相比,该方法的降噪效果更优,更适用于实际应用。     

基于降噪自动编码器的推荐算法

传统的推荐算法一般采用用户项目评分矩阵学习潜在因素,了解用户的个人偏好并作出推荐,但在实际应用中,评分矩阵通常非常稀疏。针对传统推荐算法的不足,提出一种基于降噪自动编码器的推荐模型。首先用2个自动编码器来训练用户和项目的潜在因子矩阵,然后将学习到的隐含特征向量输入一神经网络来进行评分预测,最后根据新的评分矩阵作出推荐。实验结果表明,该算法提高了推荐结果的召回率,同时缩小了重构误差。     

心电信号去噪效果的评估与分析

心电信号是人体的主要生理信号之一,通过对心电信号的分析可了解心脏的健康状态,由于心电信号属于微弱低频信号,所以在采集过程中极易受到来自人体内部和外部的噪声干扰,影响心脏疾病诊断的效果。基线漂移、工频干扰和肌电干扰是心电信号采集过程中不能忽略的噪声干扰。对心电信号的相关去噪算法的效果进行对比分析。首先将模拟理想状态下的心电信号作为原始数据,同时模拟出心电信号中存在的基线漂移、工频干扰和肌电干扰。每种噪声干扰分别选择三种常用的去噪算法,采用信噪比、均方差和心电信号的频域特征的评估指标进行去噪效果的比较。在此基础上,提出了一种多噪声心电信号的去噪方法并给出去噪流程和效果。研究结果表明：（1）对于基线漂移、工频干扰和肌电干扰分别采用小波变换法、陷波滤波法和小波阈值法的去噪效果最好;（2）当心电信号含两种及两种以上噪声时,按照滤除基线漂移、工频干扰和肌电干扰的去噪顺序滤波效果最好。     

基于栈式去噪自动编码器的边际Fisher分析算法

特征学习是模式识别领域的关键问题。基于自动编码器的深度神经网络通过无监督预训练与有监督微调能够有效地提取数据中关键信息,形成特征。提出一种基于栈式去噪自编码器的边际Fisher分析算法,该算法将边际Fisher分析运用于有监督微调阶段,进一步提升算法的特征学习能力。实验结果表明,该算法与标准的栈式去噪自编码器和基于受限玻尔兹曼机的深度信念网相比,具有更好的识别效果。     

基于小波变换的心电信号阈值去噪算法研究

心脏病是威胁人类健康的病症之一,发病率一直居高不下。但纯净的心电信号不容易得到,心电信号中总有各种噪声。对心电信号的去噪研究逐渐成为人们研究的热点。由于传统傅里叶去噪的局限性,近年来逐渐兴起的小波分析逐渐成为人们去噪研究的重点。通过对前人工作的总结和分析,提出了一种新的阈值去噪的方法,既克服了软硬阈值函数的缺点,同时又能在它们之间进行灵活选择,并最终通过实验模拟达到了理想的去噪效果,证明该算法比传统的方法更能得到纯净的心电信号。     

基于小波的EMD去噪法应用于心电信号去噪

实测的心电信号不可避免地存在一些强干扰和噪声,如何在强背景干扰和噪声下准确提取出有用的心电信号,是心脏病智能诊断的一个重要内容．提出一种新的基于小波的EMD去噪方法,先将信号进行小波分解,将带噪信号分解为多个尺度的信号,然后再对其中某几层信号进行EMD分解,剔除其中的噪声模态分量,重构后得到去噪后的信号．最后分别利用仿真带噪心电信号和MIT／BIH心电噪声数据库信号进行验证,并与单独运用小波阈值法和EMD分解法比较去噪效果．结果表明,该方法优于其他两种方法,简单有效,且适于实际应用．     

结合小波变换和中值滤波心电信号去噪算法研究

在采集心电信号数据的过程中,必然会涉及到肌电干扰、基线漂移和50Hz工频干扰,而使用常规系统辨识法则常常在一定程度上难以鉴定心电信号的特性.中值滤波器是一种操作简单的、高速的非线性信号滤波器,它常用于心电信号中低频去噪过程,如基线漂移.因为WTS的二进小波是一组带通滤波器,不同尺度有不同的频带,小波变换被选定用来分解原始信号,小波变系数的重建形成了消除干扰的心电信号.采用模拟实验是要确定如何进行自适应的阈值选取,适当的分解层数和小波函数.通过使用MIT/BIH数据库的心电信号,并结合计算机仿真形成的心电信号来对该方法进行检验.结论表明此算法可有效抑制心电信号中的主要噪声,满足心电波形临床分析和诊断的需求.     

基于小波阈值去噪的心电信号分析

研究心电信号优化问题,为去除心电信号采集过程中存在的噪声信号,抑制各种噪声干扰,提出了小波阈值去噪的心电信号去噪.以小波阈值降噪为基础,首先利用sym8小波对心电信号进行8尺度分解,再用软、硬阈值与小波重构的算法进行去噪.针对软阈值去噪法产生的伪吉布斯现象,采用一种新阈值函数对心电信号进行处理.通过对MIT心电数据库中...     

自适应小波阈值算法在心电信号去噪中的应用

针对常用的小波阈值算法存在的缺点和心电图信号的具体特征,提出了一种新的自适应阈值算法.该算法通过估计含噪信号信噪比的大小,自动调节阈值来抑制心电信号中的噪声.实验表明该算法能有效地实现心电信号的噪声消除,同时也为其他信噪比较低的生物医学信号处理提供了一种新的方法.     

基于平稳小波变换的心电信号去噪研究

讨论了经典的离散小波去噪原理和平稳小波变换的原理，分析了阈值以及阈值函数的选取方法。并将经典的离散小波和平稳小波用于心电信号去噪处理。通过在不同阈值和不同阈值函数条件下对心电信号处理的去噪效果的对比研究，说明了平稳小波相对于离散小波不仅提高了信噪比，还较好的抑制了Gibbs现象，取得了更好的去噪效果。     

基于Hilbert-Huang变换的ECG信号降噪方法

提出了一种新的ECG信号降噪方法.该方法以Hilbert-Huang变换(HHT)和阈值降噪方法为核心,将经验模态分解(EMD)分解出的各层固有模态函数(IMF)分为噪声成分起主导作用层和有用信号起主导作用层.对噪声成分起主导作用层采用Donoho等人提出的阈值估计法,对有用信号起主导作用层的噪声水平通过高频层的能量与平均周期的乘积来确定.讨论了噪声成分起主导作用层和有用信号起主导作用层的区分判别问题.该方法克服了阈值估计法对有用信号起主导作用层噪声水平估计的较大偏差.经实验验证表明,该方法能有效地滤除ECG信号检测中的几类主要噪声,且失真很小.     

An Algorithm for Image Denoising with Automatic Noise Estimate

In this paper, we propose a general algorithm for image denoising when no a priori information on the noise is available. The image denoising problem is formulated as an inequality constrained minimization problem where the objective is a general convex regularization functional and the right-hand side of the constraint depends on the noise norm and is not known. The proposed method is an iterative procedure which, at each iteration, automatically computes both an approximation of the noise norm and an approximate solution of the minimization problem. Experimental results demonstrate the effectiveness of the proposed automatic denoising procedure.

改进EEMD算法在心电信号去噪中的应用

集合经验模态分解（Ensemble empirical mode decomposition,EEMD）方法在去除心电信号噪声时,噪声本征模态函数（Intrinsic mode function,IMF）分量难以选择且将噪声分量直接去掉会导致信号失真。针对上述问题,提出了一种基于EEMD的自适应阈值算法。首先对含噪心电图（Electrocardiogram,ECG）数据进行EEMD分解,得到IMF,根据马氏距离进行信号IMF分量和噪声IMF分量的判定,然后通过果蝇优化算法确定噪声IMF的阈值,将经过阈值去噪的新的分量和剩余分量重构得到去噪后的ECG。最后,使用MIT-BIH数据库中的心电数据进行实验,实验结果表明,该方法在去噪同时能够较好地保留信号细节。     

基于卷积自编码神经网络的心电信号降噪

心电信号由于在采集过程中会受到外界环境的干扰导致其形态特征被严重淹没,从而对医生的诊断和远程智能分析造成干扰。基于此,提出了一种基于卷积自编码神经网络的心电信号降噪算法。该方法利用自编码器的编码、解码特性,通过卷积的方法构建深层神经网络来学习从含噪心电信号到干净心电信号的端对端映射。卷积层捕获心电信号的细节特征,同时消除噪声;解码部分能够对特征图进行上采样并恢复心电信号细节,从而得到干净的心电信号。实验中采用信噪比和均方根误差为指标,将该方法与小波阈值法、S变换法、BP神经网络法和指导滤波法进行比较。实验结果表明,该降噪方法整体降噪精度更优,同时信号的低频成分也得到了很好的保持。该方法可做到在消除心电信号中复杂噪声的同时完整保留心电信号的形态,为心血管疾病的智能诊断和心电图的特征检测奠定了基础。     

图像中椒盐噪声去除算法研究

为了有效地去除数字图像中的椒盐噪声,提高图像质量,本文 在分析一些典型消除噪声方法的基础上,给出了一种新的椒盐噪声去除算法。首先,针对椒 盐噪声的特点,设计了一种基于动态窗口和邻域像素统计信息的噪声检测算法,有效地区分 了噪声点与非噪声,然后对检测出的噪声点,采用改进的自适性的中值滤波算法进行噪声滤 除,在滤波算法中加入了窗口大小自适应控制和滤波值调优策略。实验表明：该方法不仅能 去除图像中的椒盐噪声,而且能有效地保护图像的细节特征,对于高密度噪声的图像去 除噪声的效果比其他方法更优。     

一种冗余小波变换的心电信号噪声消除方法

平稳小波变换去除心电信号噪声较好抑制了小波空间适应法消噪产生的伪Gibbs现象,但其重建过程相对复杂。提出对受噪声污染的心电信号移位一次,将移位信号及原信号分别进行正交小波变换阈值去噪,以它们的平均作为去噪结果。实验表明可以获得与平稳小波变换相同的去噪效果,但算法实现更简单快速。     

一种冗余小波变换的心电信号噪声消除方法

平稳小波变换去除心电信号噪声较好抑制了小波空间适应法消噪产生的伪GiN碍现象，但其重建过程相对复杂。提出对受噪声污染的心电信号移位一次，将移位信号及原信号分别进行正交小波变换阚值去噪，以它们的平均作为去噪结果。实验表明可以获得与平稳小波变换相同的去噪效果，但算法实现更简单快速。     

光电编码器输出信号自动调试技术研究

刚装配完成的编码信号受到各种因素的影响往往存在误差,不能直接使用,需要对信号进行调试。为了提高编码器信号调试效率和精度,开发了一套编码器信号自动调试系统。本系统研究并结合了信号采集、TCP/IP通信等相关内容,应用数据采集卡、图形工作站、计算机、适配器等硬件设备,开发出自动调试软件。实验表明,本系统能够自动调试编码器信号使信号达到使用要求,具有良好的调试精度和效率。因此,本系统能够满足编码器信号快速调节的要求,适合于编码器的大批量生产。