使用广义回归神经网络的胎儿心电提取

针对胎儿心电难以提取问题,提出一种从母体腹壁混合信号中提取胎儿心电的方法。利用广义回归神经网络（GRNN）估计母体心电信号传导至腹壁的非线性变换,将非线性变换后的母体心电信号从腹壁混合信号中减去,再通过小波包去噪技术抑制胎儿心电的基线漂移和噪声,得到清晰的胎儿心电。应用合成心电信号和临床心电信号完成实验,在胎儿心电和母体心电QRS波完全重叠情况下,提取出清晰的胎儿心电。实验结果验证了方法的有效性。     

基于回归支持向量机的胎儿心电提取

针对胎儿心电难以提取的问题,提出一种从母体腹壁混合信号中提取胎儿心电的方法.首先利用回归支持向量机(Support vector regression machine,SVRM)拟合母体心电传导至腹壁所经历的非线性变换,然后将母体心电经由所拟合的非线性变换得到腹壁混合信号中的母体心电干扰的最优估计,再从腹壁混合信号中减去母体心电干扰的最优估计得到含噪声的胎儿心电,最后通过小波包去噪技术抑制胎儿心电中的基线漂移和噪声,得到清晰的胎儿心电.在胎儿心电和母体心电QRS波完全重叠的情况下,通过该方法能够提取出清晰的胎儿心电.实验结果验证了该方法的有效性.     

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．     

胎儿心电信号中加性噪声的抑制研究

目前采用腹部导联采集的胎儿心电信号中一般混有传感器加性噪声,传统的提取胎儿心电信号的算法—FastICA算法,提取的胎儿心电信号中一般都存在该类干扰。为了滤除该干扰,对传统的FastICA算法进行改进,在对信号进行标准化和白化处理中结合形态学滤波的处理方式,对其中的加性噪声进行处理,有效克服了传统算法对加性噪声不敏感的缺点。对合成的模拟母婴信号的仿真结果表明,该算法在滤除母体心电干扰的同时有效抑制了传感器加性噪声,且信号重构均方根误差值较传统算法小。对实际信号的处理取得了满意的分离效果。     

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...     

含噪BSS模型的BJD-Hough算法*

当噪声存在时,信号和混合阵的盲估计变得相当困难。针对信号源噪声污染情形,假设信号和噪声的时频谱不同,提出了一种时频去噪盲源分离方法。该方法以Born-Jordan分布计算混合信号的时频矩阵并将信号的时频分布看作图像,利用广义Hough变换将信号检测转换为在参数空间寻找局部极大值的问题,再运用自项点理论选择合适的时频阵进行对角化,进而估计源信号和混合阵。该方法扩展了盲源分离的限制条件,能有效分离各种非平稳源信号、非独立源信号,且通过把噪声能量扩展到整个时频面而只选择信号能量占主导的时频点,对噪声具有一定的抑制能力。     

基于离散平稳小波变换的心电信号去噪方法

提出一种基于离散平稳小波变换的心电信号噪声去除方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的阈值去噪方案。该方法有效克服传统离散正交小波变换去噪时容易产生Gibbs现象的问题,从而达到保持心电波形特征且抑制噪声的双重目的。     

基于调Q小波变换的心电信号特征量提取方法

与传统的基于频域划分信号分解方法不同,提出了一种基于品质因数的自适应信号分解方法。利用调Q小波变换自适应生成品质因数不同的小波函数作为信号分解的基函数,利用Mallat塔式算法将复合信号分解为具有持续振荡特性的高共振分量和具有瞬态冲击特性的低共振分量,并将其用于心电信号的特征量提取。相比于小波分析、经验模态分解等方法,该方法可以有效地去除信号中的噪声及干扰,分离频谱混叠且振荡形式不同的信号。通过数值仿真和实例分析证明了该算法的优越性。     

基于改进FastICA的胎儿心电提取算法研究

针对FastICA算法容易陷入局部最优,导致提取的胎儿心电往往含有较多噪声的问题.本文将修正BFGS法(MB?FGS)和混沌优化算法相结合来代替传统的牛顿迭代法,提出一种新的独立分量分析方法,并用于胎儿心电信号的提取.分别用合成信号和临床信号对该算法进行验证,实验结果表明本文提出的算法能提取出清晰并不含母体心电的胎儿心电信号,而且算法性能更优于FastICA.     

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。     

Optimal selection of wavelet basis function applied to ECG signal denoising

Over the years ElectroCardioGram (ECG) signal has been used to assess the cardiovascular condition of humans. In practice, real time acquisition and transmission of the ECG may contain noise signals superimposed on it. In general, the signal processing algorithms employed for denoising provide optimal performance and eliminate the high frequency noise between any two beats contained in a continuous ECG signal. Despite their optimal performance, the signal processing algorithms significantly attenuate the peaks of characteristics wave of the ECG signal. This paper presents a selection procedure of mother wavelet basis functions applied for denoising of the ECG signal in wavelet domain while retaining the signal peaks close to their full amplitude. The obtained wavelet based denoised ECG signals retain the necessary diagnostics information contained in the original ECG signal.     

An algorithm for extracting fetal electrocardiogram

The extraction of fetal electrocardiogram (FECG) from the composite maternal ECG signal is discussed. This problem can be modelled from the perspective of blind source extraction. An important and primary work is done by Barros and Cichocki, who propose an FECG extraction method for the noisy-free mixing model. However, it is realistic to extract the FECG from noisy measurements. Therefore, we propose a new algorithm for the FECG extraction with additive noise. Theoretical analysis and simulation results confirm the validity of the proposed algorithm.     

应用小波包变换和主成分分析识别亚健康状态

为了评估亚健康状态,提出一种基于心电信号小波包变换和主成分分析的亚健康状态识别新方法。采用小波包变换对心电信号进行特征提取;再利用主成分分析（PCA）对所提特征进行降维处理,以剔除特征之间的冗余信息;最后应用线性判别式分析（LDA）对亚健康状态进行分类识别。研究结果显示,该方法能获得较高的识别率,对于实现亚健康状态的评估具有一定的参考价值。     

基于SoC FPGA的心电信号检测系统设计

设计实现了一种基于片上系统现场可编程门阵列( SoC FPGA)的心电信号( ECG)检测系统.系统通过具有高输入阻抗、高共模抑制比和低噪声的前置采集放大电路,实现心电信号的拾取和预处理.通过基于SoC FPGA的硬件平台和移植的嵌入式Linux开发环境的软硬协同设计方式,完成了心电信号的A/D转换、VGA显示、Micro SD卡数据存储和心电信号算法处理,能够对心电信号进行小波分析和QRS波检测,实现了对心电信号的采集、显示、存储和处理.     

基于心电图的身份识别方法

针对当前心电图(ECG)身份识别中存在的小样本、多特征点检测问题,提出基于小波变换和动态时间规整(DTW)相结合的方法.利用小波变换对ECG信号进行预处理并提取R波峰值点,提取并保存肢导联QRS波及心拍模板,根据QRS波测试数据与各QRS波模板间的相关性分析以及阈值条件缩小身份识别范围,采用 DTW算法确定心拍测试数据...     

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。     

mexican-hat小波在QRS波检测中的应用研究

提出了一种基于小波变换,结合多种判别修正方法的QRS波检测算法。首先采用mexican-hat小波对信号进行小波变换,在第3尺度上采用模极大值阈值法对R波进行检测。其次采用平面几何的数学方法定位Q波和S波。对于高尖P波和大T波造成的误检,采用弧度法进行纠正。对于高频干扰造成的影响用QRS时长法予以排除。该算法经过MIT-BIH Arrythmia Database的心电数据验证,取得了满意的结果。     

基于非线性能量算子的心电信号R波检测方法

将Marr小波变换和非线性能量算子相结合实现了心电信号的R波检测,心电信号的Marr小波分解信号很好地抑制了各种噪声干扰,结合非线性能量算子运算可突出了QRS波的特征点,使得阈值检测便于实施,利用修正策略提高了R波检测率,经MIT/BIH标准心律失常数据库验证,R波的检测率可达到99.7%,该方法对于心电信号的自动分析系统具有应用价值。