排序方式: 共有84条查询结果,搜索用时 15 毫秒
61.
62.
为提高非线性、非平稳心音信号特征提取的准确性和分类识别的高效性,提出一种基于固有模态函数(Intrinsic Mode Function,IMF)复杂度和二叉树支持向量机(Binary Tree Support Vector Machine,BT-SVM)的心音分类识别方法。对心音进行经验模式分解(Empirical Mode Decomposition,EMD),得到若干反映心音本体特征的平稳IMF分量;利用互相关系数准则对其筛选,计算所选IMF分量的复杂度值为信号的特征;将其组成特征向量输入到BT-SVM进行分类识别。临床数据仿真结果表明,该方法能有效提取心音特征,与传统识别方法相比,具有训练时间短,识别率高等优点。 相似文献
63.
多层砖混结构楼房顶层墙体易出现温度引起的裂缝,主要是由于屋面受到阳光照射后吸收的辐射热多,屋盖与砌体间产生较大的温差,在相同的温度变化下混凝土和砖砌体的线膨胀系数不一致(前者的线膨胀系数比后者大一倍),由于砖砌体的约束混凝土屋盖不能自由变形,从而在砖砌体中产生拉应力,产生的拉应力超过砖砌体的抗拉强度时,导致砖砌体上出现裂缝。 相似文献
64.
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。 相似文献
65.
针对传统心音去噪算法对强噪声下心音信号去噪时,易将部分心音信号视为噪声成分去除,导致有用心音信号能量损失。利用奇异谱分析方法的主成分分析特性,提出多级奇异值分解(Multi-stage Singular Value Decomposition,MS-SVD)算法用于提取心音信号的主分量(Principal Components,PC)信息;采用小波包(Wavelet Packet,WP)分析算法对提取的心音信号进行分解,并对分解所得低频系数进行自适应阈值处理,去除低频噪声;利用小波包多分辨率特性提取高频心音。实验结果表明,该算法能明显改善心音去噪性能指标信噪比(SNR)、信噪比增益(SNRG)及根均方误差(RMSE),且在不同噪声水平下的去噪性能优于传统心音去噪算法。此改进算法既能有效去除心音中噪声成分,亦能保留心音信号细节特征。 相似文献
66.
介绍一种便携式微电脑多参数生理监护仪的工作原理、系统构成及软、硬件设计。该系统由二个Intel-196单片机构成双CPU系统,完成数据的采集、处理、显示,对病人进行实时监控,并可采用串行通信的方式将数据送给PC机,对数据进行进一步的分析处理。 相似文献
67.
69.
针对心音信号的非线性、非平稳特征和心音识别准确率不高且分类速度较慢的实际情况,提出一种经验模式分解(Empirical Mode Decomposition,EMD)近似熵(Approximate Entropy,ApEn)结合支持向量机(Support Vector Machine,SVM)的心音分类识别方法。首先通过EMD方法将非平稳的心音振动信号分解成若干个平稳的固有模态函数(Intrinsic Mode Function,IMF);然后利用互相关系数准则对IMF进行筛选,计算所筛选IMF的近似熵构成特征向量;最后将特征向量输入SVM分类器进行分类识别。对临床采集的心音样本按本文提出的方法进行测试,结果表明,该方法能有效地用于心音识别。 相似文献
70.