一种基于奇异值分解的ECG噪声处理算法

介绍了一种在标准12号导联心电图中消除噪声信号的正交化方法。使用一种基于奇异值分解（SVD）的算法,将信号分解为两个时正交的子空间即一个包含了ECG信号,另一个则包含了人工噪声,诸如基线漂移（BW）和股电信号（EMG）。这种方法利用了存在于12导联心电图中的冗余。在完整丢失信道的重建方面该方法也适用。最后,给出了这种方法的在线实现。     

基于奇异值正交分解ECG信号的重建

ECG经奇异值正交分解后,将信号分解到信号空间和噪声空间中.利用分解后的信号空间来进行信号的重建,以达到消噪的目的.利用重建后的信号,对ECG中的ST波段和R点的检测结果进行了分析.     

基于奇异值正交分解ECG信号的重建

ECG经奇异值正交分解后,将信号分解到信号空间和噪声空间中。利用分解后的信号空间来进行信号的重建,以达到消噪的目的。利用重建后的信号,对ECG中的ST波段和R点的检测结果进行了分析。     

一种改进的基于奇异值分解的数字水印算法

提出了一种基于奇异值分解（SVD）的数字图像水印改进算法。该算法将原始图像进行分块,对前M个子块进行奇异值分解,之后选取各子块中最大的奇异值,通过量化的方法嵌入经过BCH纠错码及交织预处理后的M个水印信息。由于采用了量化的方法嵌入水印信息,其提取不需要原始图像的任何信息,实现了水印的盲提取。同时,提取过程受到交织参数的限制,不知道该参数就无法正确地提取出数字水印,实现了水印的加密。实验结果表明,该改进算法明显改善了原算法的鲁棒性和安全性。     

基于奇异值分解的二维工程图水印算法

该文提出了基于奇异值分解的二维工程图水印算法,通过提取工程图端点坐标并进行奇异值分解,在除最大的值上进行水印信息的嵌入,有效提高了水印信息的强壮性,由于奇异值分解自身的特性使得水印信息的添加不会对工程图产生视觉冗余,实验结果表明算法达到了比较好的视觉效果,能够抵抗常见的攻击。     

基于小波变换和奇异值分解的图像水印算法

该文基于小波变换和奇异值分解,根据小波变换低频子带抗干扰性强,及具有较大的感觉容量和图像奇异值的稳定性,提出了一种基于小波变换的奇异值分解水印嵌入技术,使图像的不可见性和鲁棒性得到较好的折中.实验表明该算法具有较好的不可见性和抗攻击性.     

一种基于奇异值分解和置信传播的图像匹配算法

图像匹配技术是计算机视觉中一个很重要的问题。当匹配在不同的视角、不同光照、局部遮挡以及复杂背景的情况时,由于特征的可重复性以及区分性下降会导致许多误匹配。针对上述问题,提出了一种提高图像匹配精度方法,这种方法能够去除误匹配的同时恢复丢失的匹配点对。首先采用快速鲁棒性特征(Speeded Up Robust Features,SURF)提取关键点和描述子,从而构建邻接矩阵,然后对邻接矩阵进行奇异值分解获得初始匹配。三角剖分用于提纯初始的匹配,最后通过双图限制恢复丢失的匹配点对。在Oxford数据集测试的实验结果表明,所提出的方法在匹配性能和精度方面,优于随机抽样一致性算法(Random Sample Consensus,RANSAC)。与此同时,该算法的稳定性也相应提高。     

基于奇异值分解处理相干信号的新方法

相干信号的波达方向(DOA)估计一直是空间谱估计研究的一个重点问题,文章通过对奇异值分解解决信号相关问题的研究,提出了一种基于奇异值分解处理相干信号的新算法(MSVD),即利用信号相关阵的最大特征值所对应的特征矢量按一定规则排列出新的矩阵,再对此矩阵进行修正,最后利用奇异值分解得到信号的有关信息.该算法能在低信噪比条件下有效地估计相干的信源,其估计精度要远远高于常用解相干算法.最后用大量的计算机仿真实验来说明新方法的性能:即在低信噪比情况下(0 dB),MSVD的分辨能力远远高于MSS算法和SVD算法;在信号间隔较小时,MSS和SVD方法已无法分辨出信号源,而MSVD方法仍能分辨.     

基于小波系数奇异值分解关系的数字水印算法

为了平衡数字水印的不可见性与鲁棒性之间的关系,提出了一种基于小波系数奇异值分解关系的数字水印算法.针对图像小波变换后高低频带嵌入水印各自的特点,并根据各频带小波系数奇异值分解关系,结合人类视觉系统和图像局部特性自适应确定高低频的量化步长并分别嵌入水印,从而将高低频的优点结合起来,相互补充.经过实验证实,该水印算法对常用的图像攻击(JPEG压缩、噪声、剪切、缩放)是鲁棒的,同时具有感知透明性,是一种简单可行的盲数字水印算法.     

基于HHT的心电信号滤波算法的研究

针对心电信号具有非线性、非平稳弱信号的特点,借鉴小波滤波算法的思想,基于HHT变换,提出一种去除噪声对应尺度细节分量和阈值相结合的HHT心电滤波算法.并借助MATLAB仿真平台,采用同一阈值函数,对含噪心电信号分别运用小波滤波算法和基于HHT设计心电滤波算法进行滤波仿真比较.最后以MIT-BIH心律失常数据库中的提供的含噪心电信号作为数据源,进行仿真滤波实验,验证了HHT滤波算法对心电信号的基线漂移、工频噪声、肌电干扰去除的有效性.     

结合奇异值分解和二维变分模态分解的紧凑图像哈希算法

图像哈希是通过将图像提取为简短数列,从而快速地从图库中区分出与原图相似或不同图像的方法。利用奇异值分解(SVD)来分解重构减小图像信息的冗余性和二维变分模态分解(2D-VMD)可以将图像分解成一系列不同中心频率的子模态的特性,从时域和频域提取出图像的主要信息序列来构成哈希。仿真结果表明,相比于其他方法,通过SVD和2D-VMD的紧凑图像哈希算法具有较短的运行时间、较好的鲁棒性和唯一性。     

TDD LTE预编码码本选择算法

为解决时分双工长期演进(TDD-LTE)系统中预编码码本选择算法计算复杂度高的问题,在基于容量最大化和基于误码率最小为准则的预编码选择算法的基础上,提出了一种基于信道奇异值分解的预编码选择算法.该算法采用信道平均的思想和发射信号有效功率最大化的准则,在不损失吞吐量性能的前提下,大大降低了算法复杂度.仿真结果表明,该算法所需的计算量只有上述传统算法的26%～33%,而吞吐量性能损失不大.     

心电信号的小波变换消噪方法

人体心电信号微弱,信噪比较低.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,人们已提出了多种方法来消除这些噪声.小波变换是一种信号的时间尺度(即时间频率)分析方法,具有多分辨率分析的特点。它对信号具有的自适应性,使其成为数字信号处理领域中的一个重要工具.这里提出了一种采用阈值预处理的小波变换消噪方法,该方法可以降低模极大值消噪算法计算的复杂程度,又可保证心电信息特征不被丢失.试验表明,该方法能较好地实现心电信号的消噪.显然,该方法也适合于信噪比较低的生物信号的处理中.     

基于小波变换和SVD的心电身份识别

基于心电信号的身份识别技术是生物身份识别领域研究的热点问题.该文利用小波变换将经过预处理之后的心电信号进行多尺度分解,组成一个初始特征矩阵;随后对该矩阵进行奇异值分解,分解后的奇异值包含了心电信号的重要信息,将其作为特征参数并最终采用支持向量机对心电信号进行匹配识别.通过对26个正常测试者的心电信号进行识别,识别率可达97.80％.     

多通道胎儿心电提取的经验模态分解和准周期成分提取方法

针对多导联腹壁混合信号的胎儿心电信号（FECG）提取方法有很多,建立在统计独立性和非高斯性假设基础上的盲源分离算法是一类普遍被关注的方法。但是,由于混杂在腹部心电信号中的母体心电信号和多种复杂的生物电噪声的影响,以及腹部电极布置的不合理等因素,使得传统的盲源分离算法对FECG的提取结果往往不尽如人意。本文提出了一个基于经验模态分解和准周期成分提取的多通道FECG提取方法EMD-QPCE。首先,对各通道腹壁混合心电信号分别用经验模态分解方法分解为一系列固有模态函数（IMF）,消除IMF中母体心电信号的成分,以增强FECG的信息。然后,将各个通道信号相对应的IMF进行组合,用准周期成分提取方法提取FECG的信息。最后,由提取的含有FECG信息的IMF重构出FECG,实现多通道腹壁混合信号中提取FECG的目的。应用本文方法对DaISy数据库、ADFECGDB数据库和Challenge2013数据库中的真实心电信号进行实验,实验结果表明：与传统的独立成分分析、主成分分析和准周期成分提取方法相比,提取成功率和提取质量都得到了有效提高。在实验范围内,本文方法的FECG提取灵敏度Se在92.3%以上,阳性预测值 PPV大于98.8%,准确度指标F1大于95.4%,平均胎儿心率误差小于0.595%,具有非常好的准确度和精度,充分验证了本文方法的有效性和优越性。     

一种适合于噪声对消的自适应算法及其硬件实现

本文在分析经典LMS算法在噪声对消应用中的不足之处后,提出了一种块状LMS算法和一次范数准则下自适应算法相结合的混合算法并作了相应理论分析,在此基础上构成了以TMS32010DSP芯片为核心的自适应噪声对消的硬件系统并取得了较好的实时对消效果。     

FSO—OFDM系统的SVD—MMSE信道估计算法

针对基于MMSE的FSO—OFDM系统信道估计算法计算量复杂、对信道矩阵具有奇异性要求等弊端,设计了基于SVD-MMSE算法的FSO—OFDM系统信道估计流程,并通过MonteCarlo方法对SVD—MMSE算法进行了仿真验证,将MMSE算法与SVD—MMSE算法进行了对比分析,结果表明SVD-MMSE算法相对于MMSE算法既能降低系统计算复杂度又能保证系统可靠性,即在系统复杂度与性能之间可以得到很好的折衷．