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。     

基于小波包变换的肌电信号去噪研究

肌电信号的检测与分析对临床诊断以及康复医学具有重要意义.肌电信号的特点是强噪声背景下的生物信号,对肌电信号的检测和提取具有一定的难度.我们针对肌电信号的特点以及与噪声的关系,采用小波包变换的方法进行去噪研究.通过仿真以及在自主开发的便携肌电诱发电位测量系统中的应用,说明该方法对肌电信号的去噪是有效的.     

基于改进小波阈值算法的ECG肌电信号去噪研究

为了解决传统软、硬阈值算法对肌电信号去噪后心电图（ECG）信号幅值降低和存在局部异常尖峰,导致去噪效果较差的问题。通过研究小波阈值算法的去噪原理和优化规则,基于双曲正切函数构造出一种具有连续性、结构简单、灵活性较高的可调阈值函数和改进的分层阈值,并分析得到小波分解含噪ECG信号的最佳小波基函数和分解层数,提出了一种改进的小波阈值算法。将软、硬阈值算法、相关文献中的阈值算法和本文所提改进阈值算法对含有真实肌电信号噪声的ECG信号进行去噪对比研究。实验结果表明：本文改进阈值算法能较好地去除ECG信号中的肌电信号噪声,并能更好地保持ECG信号波形特征,且Pearson相关系数值大于其他阈值算法。定性和定量结果表明,本文所提改进阈值算法对ECG肌电信号噪声具有较好的去噪效果。     

采集表面肌电信号应用于动作识别的可行性

背景：文献表明上肢前臂运动时所产生的表面肌电信号具有非线性特征,而肢体运动时肌电信号又呈现出非平稳特性。 目的：设计一种简单的拾取电路采集表面肌电信号,拟应用于动作肌电信号的特征识别。 方法：根据表面肌电信号的特点,设计高共模抑制比的前端放大电路,抑制共模干扰;采用低通滤波电路,有源双T带阻滤波器对信号进行去噪处理;对采集得到的信号进行小波包变换,得到信号的特征量。 结果与结论：所设计的表面肌电信号检测电路具有较高共模抑制比,并能有效地滤除50 Hz工频信号,可以满足肌电信号采集电路的基本要求。肌电信号的处理结果表明采用子频段能量值的方法可以区分手部4种不同动作。     

微波热疗凝固区域超声回波信号的小波去噪方法

目的 针对用于监测微波热疗凝固区域的超声回波信号信噪比较低,强反射点较多,难以定位凝固区域边缘的特点,研究了一种基于小波分解的去噪方法.方法 在理论分析的基础上,对超声回波信号进行小波分解,根据不同频段信号的特征,进行局部分层小波阈值去噪,再通过小波重构得到去噪后的超声回波信号.结果 对比硬阈值去噪、软阈值去噪和本文所采用方法的效果,探讨了利用本文算法进行凝固区域边缘识别的可行性.结论 局部分层小波去噪算法可有效抑制噪声,保留信号的细节特征,达到优化超声回波信号的目的.     

瞬态诱发耳声发射信号的小波阈值去噪

目的瞬态诱发耳声发射信号是从人的外耳检测到的微弱的音频能量,在测试过程中常混入各种随机噪声,本文尝试对瞬态诱发耳声发射信号进行去噪,以提高信号的信噪比,为进一步的临床应用(如频谱分析)奠定基础.方法小波变换阈值法.选用了sym8小波,软阈值处理方法,阈值选取规则为Minimax法.结果去噪后相关系数加大,信噪比提高.信噪比平均提高约10%.结论小波变换阈值法对TEOAE信号去噪取得了较好的效果.     

面向心电信号去噪的正交小波构造方法

为更好地去除心电信号的肌电干扰,设计出专门用于心电信号处理的正交小波(心电小波)。首先,为满足正交性要求,对小波滤波器系数进行参数化设计;其次,用参数化的小波滤波器系数逼近QRS模板并构造出目标函数,在此基础上以消失距作为约束条件得到优化模型;最后,采用拉格朗日乘子法对模型进行求解。从光滑性、与心电信号的相似性、重构误差以及频响特性等方面,对构造出的小波性能进行评估,结果表明,相对于db和sym系列的小波,心电小波可以获得更好的综合性能。当将该算法用于MIT-BIH数据库中的心电信号去噪时,能够抑制加性噪声的干扰,使信噪比提高10.32dB。根据应用对象设计正交小波的方法,为其他专用小波设计提供新思路。     

基于EMD与IMF分量统计特性的ECG去噪

经验模式分解（EMD）域内心电（ECG）信号的去噪,通常为基于QRS特征波经验性识别固有模态函数（IMF）分量并重建ECG信号。由于该方法引入个人误差,因此识别不准确。针对此问题,本文提出利用EMD与IMF分量统计特性对ECG信号进行去噪。本方法首先对含噪ECG信号进行EMD分解得到一系列IMF分量,然后利用IMF分量的统计特性识别IMF分量属性,并采用被识别为ECG信号的IMF分量重建ECG信号。该识别方法基于统计学方法,具有统计学和现实物理意义。将本方法应用于真实ECG信号去噪处理中,结果表明,本方法可有效去除ECG信号基线漂移噪声与肌电干扰噪声,去噪效果优于经验法。     

基于小波熵的心电信号去噪处理

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熵的弱心电信号去噪方法,先将信号小波分解,再对不同分解尺度上的高频系数进行小波熵阈值的量化处理,然后利用最高一层小波分解的低频系数分量和经过阈值处理的不同尺度的高频小波系数分量,组成进行信号重构所需要的系数分量进行重构,将严重的干扰和噪声去掉,实现有效信号的提取。最后分别利用临床的实测心电数据和M IT/B IH心电数据库信号进行验证,并针对不同噪声类型和不同信噪比情况进行分析。结果表明,该方法简单有效,尤其对于高频噪声效果更优,且适于实际应用。     

脊柱侧弯患者背部肌肉肌电图中心电干扰消除技术的一种新方法

针对脊柱侧弯患者背部肌肉肌电信号中心电干扰问题，提出一种小波信号分解与重建和自适应谱线增强技术相结合的去噪方法。并与常用的修剪和门限技术两种方法作比较。仿真实验结果表明：对于脊柱不同位置的模拟肌电信号，本文方法和修剪、门限除噪比较，输出信号的信噪比明显提高。这种方法用于临床采集的背部肌电信号，很好地实现了心电噪声抑制。     

基于小波变换的脉搏波信号去噪

人体脉象信号是一种信噪比较低的非平稳随机信号,在分析脉象信号之前去噪是一项十分重要的工作。针对小波变换中的阈值法进行公式上的改进,并利用ZM—ⅢC型智能化中医脉象仪采集到的亚健康人群左关外桡动脉脉搏信号进行去噪处理,实验结果表明,改进后的阈值法可以取得更好的去噪效果。     

基于Bayesian估计的小波自适应阈值方法对图像进行去噪处理的研究

利用Bayesian估计的小波自适应阈值方法对图像进行去噪处理。通过高斯滤波和小波变换的三种方法(传统的硬阈值、传统的软阈值去噪、基于Bayesian估计的自适应阈值去噪)分别同时对加不同标准差σ的Rician噪声信号进行消噪处理,对比验证高斯滤波和传统小波阈值去噪的优劣,以及新的Bayesian估计自适应阈值小波去噪在磁共振成像(magnetic resonance imaging,MRI)图像信号去噪方面的优越性。小波去噪后的信号信噪比比高斯滤波去噪后信号的信噪比高,且均方根误差要低。采用基于Bayesian估计的自适应阈值小波去噪方法比采用的高斯滤波保留了更多有用信号,优化后的氧摄取分数(oxygen extraction fraction,OEF)值有一定程度增大,使结果更接近正电子发射型计算机断层显像(positron emission computed tomography,PET)测量金标准。成功完成信号和噪声分离优化,将一种新的基于Baysian估计的自适应小波阈值去噪应用到了功能核磁共振成像的降噪分析上,取得了不错的效果。     

模拟耳声发射信号的传统去噪方法

耳声发射是近年听觉生理、听觉临床、声学等领域的研究热点.本文尝试通过建立仿真耳声发射信号,再加上噪音信号,合成带噪音的模拟耳声发射信号,然后采用传统的方法进行去噪,分析去噪效果,得出传统消噪方法的误差范围.     

恒河猴表面肌电信号小波去噪的复合评价指标

恒河猴表面肌电信号（sEMG）的去噪处理对于恒河猴运动学研究具有重要意义,其效果直接影响对恒河猴运动功 能评价的准确度。针对该类sEMG去噪效果综合评价法缺失的问题,提出一种通过变异系数定权确定的复合评价指标。 首先计算去噪信号的信噪比、均方根误差、平滑度、互相关系数等原始指标,并进行正向化、均值化处理,再利用变异系数 计算指标权重,将预处理后的原始指标加权组合为复合指标。进一步的仿真实验和实际实验数据计算表明,本文构建的 复合评价指标敏感性为1.72%±0.02%、准确性为83.64%,均显著高于现有指标的敏感性（1.04%±0.01%）和准确性 （75.76%）,能够较好地反映恒河猴sEMG小波去噪效果,在恒河猴的运动行为研究中具有一定的应用价值。     

基于小波变换的颜色视觉诱发电位检测去噪研究

为了提高检测的效率，将基于小波变换的信号分析方法引入到颜色视觉诱发电位（Visual evoked potential，VEP）的检测中，提出了基于多尺度条件下小波变换模极大值分布图的重建VEP信号的方法。该方法对初始采集信号采用Mallat快速算法进行离散小波变换得到模极大值分布图。根据信号噪声的Lipschitz指数特性进行去噪。最后按照POCS（Projections onto convex sets）方法进行信号的重建。仿真实验结果表明该方法对VEP信号的去噪效果比较理想。同时该方法极大地降低了测试次数。因此该方法与现有临床的叠加方法相比有明显的优披件．     

基于集合经验分解与改进阈值函数的小波变换心电信号去噪方法研究

针对心电图(ECG)信号去噪问题,提出了一种基于集合经验分解(EEMD)和改进阈值函数的小波变换去噪方法。首先利用EEMD对含噪的ECG信号进行分解,选取固有模态函数(IMF),重构ECG信号,实现ECG信号的一次去噪;再利用改进阈值函数的小波变换方法对ECG信号进一步去噪。实验中,利用MIT-BIH心电图数据库对提出的方法进行评估,用参数信噪比(SNR)和均方误差(MSE)比较EEMD、改进阈值函数的小波变换方法以及本文提出的方法的去噪效果。实验结果表明:本文提出的方法去噪后的ECG信号波形平滑,特征点幅值无衰减,在去噪的同时更好地保留了原始ECG信号的特征。     

改进阈值的小波空域相关去噪法在荧光信号处理中的应用

为了去除荧光免疫层析检测中荧光信号的噪声,保留信号的细节信息,提出一种改进阈值的小波空域相关去噪算法。该算法将基于小波变换的空域相关去噪法和软阈值去噪法相结合,根据小波系数相关性的不同和平滑消去阈值法的思想,改进了软阈值去噪法的阈值变量和阈值函数。结果表明,该方法突出了信号边缘,能够有效地去除荧光信号的噪声,去噪后的信号光滑连续,且保留了信号峰的相关细节信息。     

联合主成分分析-小波与整体平均经验模态分解的锋电位去噪方法

多通道微电极阵列记录的锋电位(Spike)十分微弱,极易受干扰,其含噪的特性影响了Spike检出的准确率。针对Spike检测过程中通常存在的独立白噪声、相关噪声与有色噪声,本文结合主成分分析(PCA)、小波分析和自适应时频分析,提出PCA-小波(PCAW)与整体平均经验模态分解(EEMD)联合的去噪新方法(PCWE)。首先,利用PCA提取多通道神经信号通道间的主成分作为相关噪声去除;然后利用小波阈值法对独立白噪声进行去除;最后利用EEMD把噪声分解到各层本质模态函数中,对有色噪声进行去除。仿真结果表明,PCWE使信噪比约提高2.67 dB,标准差约减小0.4μV,显著提高了Spike的检出精确率;实测数据结果表明,PCWE能使信噪比约提高1.33 dB,标准差约减小18.33μV,表现出良好的去噪性能。本文研究结果表明,PCWE可以提高Spike信号的可靠性,或可为神经信号的编码解码提供一种新型有效的锋电位去噪方法。     

基于小波变换的肌肉疲劳表面肌电信号特征提取的研究

当前肌肉疲劳表面肌电信号(surface electromgography,sEMG)特征提取方法,忽略了非线性跳错信号的影响,且不能在非平稳状态下进行特征提取,存在特征提取准确度差的问题。提出基于小波变换的肌肉疲劳sEMG特征提取研究,采用小波变换对所采集的样本去噪,结合时域、频域特征分析法,融合傅里叶变换方法对肌电信号中的线性特征进行提取,根据带谱近似熵理论对非线性挑错信号进行特征回归分析,并利用拟态分解函数和希尔伯特变换法对肌电信号进行时频特征的整合提取,最终完成基于小波变换的肌肉疲劳sEMG特征提取研究。实验验证,所提方法具有可行性,且将1000个肌电信号样本分成5组,对其中的跳错信号进行特征提取,所提方法准确度较文献方法高出75%,在非平稳状态下将200个肌电信号样本分成5组进行特征提取,所提方法准确度较文献方法高出33%。由此得出,所提方法优于当前特征提取方法。     

基于变分模态分解的肺音去噪算法

目的：为有效提高肺音信号质量,提出一种基于变分模态分解的肺音去噪方法。方法：首先利用经验模态分解对带噪肺音信号进行分解,根据本征模态函数特征确定最佳分解层数,然后根据分解层数对原始带噪肺音进行变分模态分解处理,接着根据皮尔逊系数选取有用模态,最后采用阈值方法对各模态函数去噪,重构后得到没有噪声干扰的肺音信号。结果：通过与维纳滤波和FIR滤波进行对比,本文方法的语音质量感知评价、短时间客观可读性和源信号失真比均更优。结论：本文方法能有效对肺音信号进行去噪处理。