基于自适应滤波的心电图中呼吸信号的提取方法

目的: 利用基于递归最小二乘(recursive least-square, RLS)算法的自适应滤波器对心电图信号进行滤波,提取心电信号中的呼吸信号. 方法: 通过对常规的肢体导联心电检测设备获取的心电信号进行处理,提取心电特征信号R波幅度序列和R波间期序列作为自适应滤波器的原始输入信号和参考信号,通过RLS算法的自适应滤波,提取心电图中调制的呼吸分量. 结果: 经过时、频域分析,自适应滤波后估算出的呼吸信号与真实的呼吸信号在时域和频域都显示出了良好的相关性. 结论: 本方法设计合理,结果准确可靠,是一种简便高效、无创、低成本的呼吸监护手段.     

过程信号的前馈—反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求,在其他学者研究的基础上,基于前馈－反馈型神经网络模型,提出了一种自适应盲分离算法用于过程信号的分离。计算机仿真实验的结果表明了算法的有效性。     

胸部数字合成体层成像时的呼吸信号提取

目的 利用一次模型分析在胸部数字合成体层成像（CTS）扫描过程中的扫描对象的呼吸状态。方法 从CTS投影图像中提取横膈肌的运动产生呼吸信号。通过动态规划获取的横膈肌运动轨迹进行模型拟合,根据拟合数据,分离出横膈膜的基底运动曲线及呼吸信号曲线。采用物理体模数据、数字Xcat体模数据和临床患者数据进行实验,验证本文方法的性能。结果 物理体模数据的实验中提取出的横膈膜的运动轨迹是线性的;3组不同类型的呼吸状态下的临床数据实验中都能有效的提取出呼吸信号;Xcat仿真实验中所提取的呼吸信号与原设计的呼吸信号之间的相关系数为0.9797。结论 利用一次模型能够实时地有效获取病人的呼吸运动信息。临床上医生能实时获取病人的呼吸信息,便于医生做出是否要重新扫描的判断。     

基于参数化双谱分析的超宽带生物雷达人体目标非接触检测

超宽带（UltraWideband,UWB）生物雷达广泛应用于生命体探测等领域,而人体生命体征信息的非接触检测是其需解决的最主问题。本文利用参数化双谱估计算法分析UWB生物雷达回波信号,以非高斯白噪声激励的AR（AutoRegression）参数模型对信号进行建模,并用带约束的三阶平均法对模型的参数进行估计。在此基础上,提出了一种新的基于UWB的人体目标非接触检测算法,并将该算法与现行的基于功率谱密度的检测算法进行对比、实验结果表明,有人位置点信号和无人位置点信号在双谱域表现出明显的差别特性,新算法能更好地实现人体目标的非接触检测。     

自适应最小均方法在信号检测中的削弱噪声处理

利用非接触检测系统可检测到生命参数信号(呼吸、心动等信号).针对呼吸、心动信号频谱有重叠的特征,采用自适应最小均方法对信号进行相关噪声削弱处理,从而获取较为理想的心动信号,实验研究分析及实测结果表明该算法简易、实用.     

优化的动态平均权重算法及其在色谱信号处理中的应用

在液相色谱检测系统中,通常将朗伯 比尔定律计算得到的吸光度进行数模转换,再将转换结果以模拟信号的方式送入工作站进行分析。由于色谱信号大部分是直流信号,只有在出峰时信号频带才处于低频状态,导致基于动态平均权重算法（DWA）的多位量化调制器带入额外的谐波噪声,直接影响色谱信号的性能。本文提出了一种优化的DWA算法,可以更好地抑制谐波噪声,提高DAC性能。与常规DWA算法不同的是,本文算法加入了条件选择模块,通过控制每个选择周期的初始指针值,避免了谐波噪声的带入。仿真结果表明,该算法明显抑制了谐波噪声,有效提高了直流特性,从而更有利于对色谱信号进行处理。     

基于盖氏圆与TAM的电力系统谐波检测

电力系统中谐波检测是无功补偿、谐波滤除等电能质量分析与控制的前提。针对传统电力系统中谐波检测方法存在的问题,结合盖氏圆和TAM算法进行谐波检测。该算法以信号空间为模型,首先用盖氏圆检测出信号源数,然后结合信号子空间和噪声子空间的正交性以及子空间的旋转不变性,估计出信号的频率,最后由全最小二乘法（TLS）计算得到信号的幅值。仿真实验与实际数据分析结果表明：该方法速度快、精确度高,具有一定的应用前景。     

基于短时相位谱补偿的非接触语音检测增强算法研究

语音是人类重的生理信号,生物雷达能够通过检测喉部发音器官振动的微弱信息对语音进行非接触采集,从而提供一种新型的非接触语音获取方法。但生物雷达所接收的含有语音信息的回波中还存在多种噪声和杂波。本文采用离散短时傅立叶变换,在保持语音信号振幅谱不变的条件下通过改变棚位谱来对信号谱进行重构,达到去除雷达语音信号中噪声分量的日的。通过与经典的谱减法和维纳滤波语音增强算法进行对比,此算法能够在低信噪比条件下有效地降低噪声分最,可提高生物雷达语音信号质量。     

GPRS移动式心电监护系统的QRS波实时检测算法

目的探讨GPRS移动式心电监护系统ECG信号QRS波的实时检测算法.方法采用四点平均对CM5导联的ECG信号进行滤波,再对ECG信号的一、二阶差分值进行平滑处理,利用ECG信号的二阶差分值极小值和一阶差分过零点在较短的时间窗内实现QRS波精确定位,并设计了具有自学习和自适应功能的信号检测门限.结果算法能抑止多种噪声对ECG信号的影响,将搜索的时间窗宽度缩小到0.02 s以下,且算法只具有多项式的复杂度;经过临床测试,动态ECG信号进QRS波检测准确率可达99.8%以上.结论该算法适合于移动心电监护系统QRS波的实时检测和分析.     

表面肌电信号在脑梗死患者康复中的应用研究进展

表面肌电（surface electromyography,sEMG）信号检测作为一种无损伤的实时检测方法,能够客观地反映肌肉功能状态和活动水平,业已证实,其信号的检测分析在临床医学、康复医学及运动医学中具有重要意义.本文主要对sEMG信号在脑梗死患者康复中的应用研究现状作一综述.     

基于深度学习并行网络模型的心律失常分类方法

目的 提出一种并行神经网络分类方法,以提高对正常搏动、室上性异位搏动、心室异位搏动、融合搏动4种心律失常的分类性能。方法 首先进行心电信号去噪、小尺度心拍和大尺度心拍的分割、数据增强等预处理;然后基于深度学习理论,应用密集连接卷积神经网络改善人工提取波形特征的局限性,并结合双向长短时记忆网络和高效通道注意力网络,以增强提取波形时序特征和重要特征的功能;接着采用并行网络结构,同时输入小尺度心拍和大尺度心拍的的波形特征,以提高心律失常分类的准确性;最后使用Softmax函数实现对心律失常的4分类任务。结果 利用MIT-BIH心律失常数据库和3组实验验证所提方法。多种并行网络模型分类性能对比实验和不同心拍输入方式下,各分类模型性能对比实验得出所提分类模型的总体准确率、平均灵敏度和平均特异性分别达到99.36%、96.08%、99.41%;并行网络分类模型收敛性能分析实验得出分类模型每次训练时间为41 s。结论 并行多网络分类方法在保持较高总体准确率的同时,平均灵敏度、平均特异性以及训练时间均有改善,该方法有望为心律失常临床诊断提供新的技术方案。     

基于毫米波的呼吸、心率非接触检测实验

目的　研究人体呼吸、心率的非接触检测方法和技术 .方法　采用低功率毫米波 (λ=8mm )为探测信号 ,运用多普勒雷达原理和生理信号检测技术进行实验研究 .结果　探测信号功率 P<1m W,探测距离 s<5 m,检测对象着各类衣服、在不同姿势、不同的天线照射角度下 ,较高质量的检测出人体呼吸和心动信号 .结论　该技术方法检测灵敏度高 ,功率小 ,对人体无害 ,是一种可行的呼吸、心率非接触检测方法 .     

基于双能X射线透视成像的肺部肿瘤运动跟踪方法及临床评价

目的:利用双能X射线透视成像技术,通过呼吸周期内高低能运动图像序列对软组织剪影图像配准,提供一种无需金属标记的肺部肿瘤呼吸运动跟踪方法。方法:以肺部肿瘤患者的高低能X射线透视图像为研究对象,通过自动双能减影算法获得软组织减影图像,然后采用本研究提出的一种结合自适应参考图像选择和归一化互信息匹配的肿瘤运动跟踪算法,计算肿瘤呼吸运动轨迹和运动幅度。采集并分析19例肺癌患者的临床数据,以人工测量结果为参考基准,评价肿瘤运动跟踪算法的准确性。结果:19例病例分析结果显示,运动跟踪算法计算获得的肿瘤呼吸运动轨迹和运动幅度,与人工测量方法获得的结果具有很好的一致性。对大部分病例,头脚方向运动幅度明显大于左右和腹背方向运动幅度,位于肺下半部分肿瘤的运动幅度明显大于位于肺中上部肿瘤。结论:无需金属标记的肿瘤运动跟踪算法,利用双能减影软组织图像,直接对肿瘤进行图像配准,能够较准确地跟踪肺部肿瘤呼吸运动。     

具有输入时滞的随机非线性系统的自适应神经网络控制

考虑一类具有输入时滞的随机非线性系统的自适应神经网络控制问题。通过定义含输入积分项的设计变量,将输入时滞系统转变为非时滞系统。结合神经网络控制、积分中值定理与Decoupled Backstepping技巧,针对该类系统提出一套自适应控制策略。所提出的控制器保证闭环系统的所有信号皆4阶矩半全局一致最终有界, 并且跟踪误差收敛于原点附近的小邻域内。仿真实验结果验证了所提出控制策略的有效性。     

基于心拍的端到端心律失常分类

目的提出一种端到端的心律失常分类方法，以提高计算机对室上性异位心搏（SVEB）和室性异位心搏（VEB）的分类性 能。方法首先对心电信号进行心拍分割、校正等预处理；然后通过卷积神经网络构建心律失常分类网络，最后结合新的损失函 数训练分类器模型。结果利用MIT-BIH心律失常数据集验证本文分类方法的性能，其中在SVEB和VEB上的AUC分别达到 了0.77和0.98。在引入前5 min片段作为局部数据的情况下，SVEB和VEB的灵敏度分别达到了78.28%和98.88%；而在引入0、 50、100、150个样本作为局部数据时，SVEB和VEB的灵敏度最高分别达到82.25%和93.23%。结论本文提出的方法与现有的 方法相比，有效改善了样本类别不平衡带来的消极影响，SVEB和VEB灵敏度均有一定程度的提升，为心律失常的自动分类提 供了新的技术方案。     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

Cognitive bio-radar: The natural evolution of bio-signals measurement

In this article we discuss a novel approach to Bio-Radar, contactless measurement of bio-signals, called Cognitive Bio-Radar. This new approach implements the Bio-Radar in a Software Defined Radio (SDR) platform in order to obtain awareness of the environment where it operates. Due to this, the Cognitive Bio-Radar can adapt to its surroundings in order to have an intelligent usage of the radio frequency spectrum to improve its performance. In order to study the feasibility of such implementation, a SDR based Bio-Radar testbench was developed and evaluated. The prototype is shown to be able to acquire the heartbeat activity and the respiratory effort. The acquired data is compared with the acquisitions from a Biopac research data acquisition system, showing coherent results for both heartbeat and breathing rate.     

心脏呼吸骤停复苏成功分析

目的：探讨心脏骤停复苏成功的相关因素,提高心肺复苏成功率。方法：回顾性分析实施心肺复苏的106例各种原因所致的心脏呼吸骤停病人。结果：7例病人经心肺复苏成功出院;22例有效,心跳呼吸恢复,而且持续12小时以上,随后死亡：无效77例。结论：心脏骤停到开始复苏的时间是建立自主循环的决定因素,尽早实施电击除颤是CPR成功的最关键措施,有效的胸外按压和呼吸支持是心肺复苏的基础。