一种基于提升小波和中值滤波的心电去噪方法

小波变换在心电去噪中有非常好的效果,但传统的小波变换计算量大,不利于实时处理和嵌入式系统的实现,提升小波是一种快速有效的小波变换的实现方法,本文提出了一种运用提升小波和中值滤波去除心电信号工频干扰、肌电干扰和基线漂移三种噪声的方法。该方法运用提升小波对含噪声的心电信号做三层分解,并根据小波基的特性在不同层次采用不同的小波基,去除心电信号的工频干扰和肌电干扰;对第三层分解后得到的数据做中值滤波,去除心电信号的基线漂移。将以上方法与传统的小波方法相比,去噪结果表明两者去噪效果相当,但提升方法运算速度有很大的提升。结果证实将提升小波与中值滤波方法结合可以有效地去除心电信号的工频干扰、肌电干扰和基线漂移,而且可以较大地提高运算速度,便于进行实时处理和嵌入式系统的实现。     

小波变换在ECG信号滤波中的应用研究

本文首先介绍了小波变换应用于ECG信号消噪处理中的几种常用滤波方法的原理,分析了它们的滤波性能.然后提出一种小波变换与自适应滤波相结合的心电信号去噪方法,实验证明这种去噪方法可以有效抑制心电信号中的噪声干扰,保持信号的波形特征,是对"运用多分辨率分析方法,去除噪声干扰对应小波分解尺度上细节分量"的滤波方法的一种有效改进,达到较好的滤波效果.     

基于混合小波变换的瞬态信号检测方法

探讨了信号的小波变换与匹配滤波的关系,指出小波变换（WT）实际上就是可变检测模板的匹配滤液过程。根据这一思想,提出了基于混合小波的信号检测方法。本文中,“混合小波变换”是指在小波分解和重构中分别使用不同的基本小波。其中分解小波用于实现可变模板的信号检测,重构小波则用以增强被检测信号的特征。我们用该方法对实测脑电信号（EEG）中瞬态脉冲干扰进行检测。实验结果表明该方法能有效地检测出EEG中的瞬态脉冲。     

基于小波变换的CT/PET图像融合最佳参数研究

为了提高基于小波变换图像融合的性能,在图像融合规则相对固定的情况下,提出一种确定最佳小波基函数和分解层数的方法。从图像的信息熵出发,通过比较低频子带图像熵差与原始图像熵差的接近程度,选择每一种小波基所对应的最佳分解层数;在小波分解层数确定的情况下,结合图像融合评价方法,选择最佳的小波基函数。与引入融合效果的评价构成一个闭环系统来确定小波参数相比,该方法极大地简化了判别过程;将该方法应用于CT/PET图像融合,获得了较好的融合效果。实验结果表明,该方法简单可行,对基于小波变换图像融合的小波参数选取有一定的指导意义。     

心电信号的小波变换滤波算法的改进

对心电信号的滤波算法进行了改进。在利用小波变换实现心电图信号滤波算法的基础上，增加了对2^3尺度下小波分解所得细节信号的模极大值对的检测功能，以修复因滤波受损的心电信号的QRS波。经MIT／BIH标准心电数据库验证，试验表明，该方法行之有效。     

基于小波能量熵特征的阻抗胃动力信号识别

采用生物电阻抗技术从人体上腹部体表提取的电阻抗信号,不但包含了常规的胃蠕动频率特征,而且携带有反映胃动力状况的更深层次的信息.提取并分析这些信息,对胃动力的检测与评价具有重要意义.对20名糜烂性胃炎患者的胃阻抗和胃电信号进行研究,经过小波滤波去噪后,进行多层小波包变换,计算小波能量熵并作为特征向量,采用3层BP神经网络进行模式分类.经一周治疗后,14名患者胃阻抗和胃电信号的小波能量熵值下降,以小波能量熵为特征向量的BP神经网络对治疗前后的识别正确率为80%.结果表明,小波能量熵能够从整体上表征胃动力信号时域和频域能量分布的复杂程度,可为胃肠病患者的疗效评价提供有效的特征描述.     

心电信号的小波变换滤波算法的改进

对心电信号的滤波算法进行了改进。在利用小波变换实现心电图信号滤波算法的基础上，增加了对2^3尺度下小波分解所得细节信号的模极大值对的检测功能，以修复因滤波受损的心电信号的QRS波。经MIT/BIH标准心电数据库验证，试验表明，该方法行之有效。     

基于小波变换的医学图像去噪声处理

利用中值滤波和基于小波变换的去噪声处理对同时含有高斯噪声和脉冲噪声的X线图像降噪方法进行探讨.采用PSNR评价标准分析实验结果,表明小波变换结合中值滤波方法在去除噪声的同时较好地保持了原图像所包含的边缘信息,处理效果优于单纯的小波变换或单纯的中值滤波.     

多尺度样条小波变换

本文基于数学样条理论提出了一种新的多尺度小波变换，通过其模极值或零交叉可以有效地提取信号的特征。本文给出了该小波变换相应的分解和重建快速算法及其时域、频率响应，并验证了三次Ｂ样条小波变换在特征提取等实际应用中是渐近最优的。     

小波变换在心电信号滤波处理中的应用研究

介绍用小波实现心电图信号滤波处理的方法。该方法采用小波变换将原始心电信号分解为不同频段下的细节信号，去掉某些细节信号，再用小波逆变换恢复保留信号，就能实现心电信号的三种主要的消除。     

基于提升小波变换和多种策略的QRS波检测算法

目的：为了提高计算机处理心电信号的速率和精度,提出了一种基于提升小波变换,结合多种策略的QRS波检测算法。方法：首先采用基于阀值的提升小波去噪方法去除心电信号中的高频白噪声和低频基线漂移;再对处理后的心电信号进行提升小波分解,得出各层逼近信号和细节信号,在第3尺度上采用模极大值阀值法对R波进行检测．找出备选的R波,同时采用几何的方法定位Q波和S波及QRS波起点和终点;最后采用补偿法、波宽法及QRS波时长法对QRS波群进行纠正。结果：本文算法在时域心电图上实现了QRS波的准确定位．提取了心电图的QRS波段。通过MIT—BIH数据库验证,本算法具有很好的表现。结论：实验结果表明,相比传统的算法,本文采用的提升小波和多种策略的检测算法．能有效的检测QRS波,为心电信号的自动识别奠定了基础。     

癫痫脑电棘波的小波变换模极大值对检测方法

本文首次将对小波变换模极大值对检测信号奇异点的理论应用于癫痫脑电信号,对棘波进行检测。采用二进样条小波脑电信号按Ｍａｌｌａｔ算法进行变换,分析含有奇异点的信号,即棘波,与其小波变换模数大值对的关系,对棘波进行识别。     

小波变换在心电图QRS波检测中的应用

作者利用信号的小波变换在多尺度边沿上的综合特性，提出了一种新的ＱＲＳ波检测法。有要用Ｍａｌｌａｔ快速算法获得原始ＥＣＧ信号在不同尺度上小波分解信号，将含有大部分高频ＱＲＳ波在多尺度上的分解信号送和一个线性自适应匹配滤波器，匹配滤波器的输出用于检测Ｒ波的位置。对ＭＩＴ数据库中的数据进行了检测，Ｒ波的检测率可达９９．８％。     

Continuous Wavelet Analysis as an Aid in the Representation and Interpretation of Electrogastrographic Signals

This paper presents an application of the continuous wavelet transform (CWT) in the analysis of electrogastrographic (EGG) signals. Due to the nonstationary nature of EGG signals, the CWT method, which uses multiresolution scaled windows, gives a better time-frequency resolution than the short-time Fourier transform, which uses a fixed window. Spike activity due to gastric contraction was investigated through experiments on dogs. During spike activity we observed an increase in magnitude of the slow wave and the appearance of a low frequency component with half the frequency of the slow wave. Studies of the EGG signals from the small intestine are also presented to investigate the hypothesis that its slow wave might be confounded with spike activity in the stomach due to the similarity of their frequency ranges. © 1998 Biomedical Engineering Society. PAC98: 0230-f, 8759Wc     

基于小波包最优基的心电图压缩

给出一种新的心电图压缩方法，该方法是在小波库中通以信息熵作为代数价函数寻找最优基，实现心电图压缩。仿真结果显示，该方法压缩比大，信息损失小，能够较好的恢复原有的信号。     

提升小波和平滑滤波在心电信号快速滤波中的研究

利用提升小波将原始心电信号(ECG)按频率特性分解为低频的逼近信号和高频的细节信号,舍弃前几层细节信号,采用自适应平滑滤波器选择合适的阈值对逼近信号进行滤波,从而避免平滑滤波对QRS波的损伤,再用提升小波逆变换重建保留的逼近信号,进而实现对心电信号中三种主要噪声的抑制.实验表明该方法计算量小,实时性强.     

Detection of gastric dysrhythmia using WT and ANN in diabetic gastroparesis patients

Gastric myoelectrical activity can be measured by a noninvasive technique called electrogastrography where surface electrodes are placed on the epigastric area of the abdomen. The electrogastrogram (EGG) signal is by nature a nonstationary signal in terms of its frequency, amplitude and wave shape. Unlike the other methods discrete wavelet analysis (DWT) was designed for nonstationary signals. For automatic assessment of EGG, we used artificial neural networks (ANNs) that have been widely employed in pattern recognition due to their great potential of high performance, flexibility, robust fault tolerance, cost-effective functionality and capability for real-time applications. So we developed a new method for classification of EGG based on DWT and ANN.     

一种基于提升小波的膈肌肌电信号在线去噪方法

膈肌肌电信号传递着膈肌生理状态和呼吸系统的功能等重要信息,但用食道电极采集该信号常受到心电信号的强烈干扰。本研究以提升小波为基础,针对膈肌肌电信号与心电干扰的特征,提出了一种新的膈肌肌电信号在线去噪方法。该方法由于采用了提升小波变换和简单的阈值滤波,运算速度较传统小波方法大为提高。模拟信号的仿真实验中,用该方法去噪后的信号相对于原纯净信号其功率谱相对误差很小。将该方法应用于临床采样数据时,也能达到比较理想的去噪效果。     

Reconstruction of gastric slow wave from finger photoplethysmographic signal using radial basis function neural network

Extraction of extra-cardiac information from photoplethysmography (PPG) signal is a challenging research problem with significant clinical applications. In this study, radial basis function neural network (RBFNN) is used to reconstruct the gastric myoelectric activity (GMA) slow wave from finger PPG signal. Finger PPG and GMA (measured using Electrogastrogram, EGG) signals were acquired simultaneously at the sampling rate of 100 Hz from ten healthy subjects. Discrete wavelet transform (DWT) was used to extract slow wave (0–0.1953 Hz) component from the finger PPG signal; this slow wave PPG was used to reconstruct EGG. A RBFNN is trained on signals obtained from six subjects in both fasting and postprandial conditions. The trained network is tested on data obtained from the remaining four subjects. In the earlier study, we have shown the presence of GMA information in finger PPG signal using DWT and cross-correlation method. In this study, we explicitly reconstruct gastric slow wave from finger PPG signal by the proposed RBFNN-based method. It was found that the network-reconstructed slow wave provided significantly higher (P < 0.0001) correlation (≥0.9) with the subject’s EGG slow wave than the correlation obtained (≈0.7) between the PPG slow wave from DWT and the EEG slow wave. Our results showed that a simple finger PPG signal can be used to reconstruct gastric slow wave using RBFNN method.     

自适应算法与小波变换在心电信号滤波中的应用

心电信号是一种基本的人体生理信号,具有重要的临床诊断价值。然而,体表检测人体心电信号中常带有工频干扰、基线漂移、肌电干扰等各种噪声,给临床对心血管疾病的诊断带来了障碍。为了消除心电信号检测过程中带有的上述三种噪声,采用LM S自适应算法及小波变换理论,有针对性的设计了自适应滤波器、小波变换滤波器和自适应信号分离器等三种数字滤波器来滤除相应干扰。结果表明,对心电信号中存在的这三种噪声具有很好的滤波效果。