第二心音信号的瞬时功率和功率谱极大值分析

将时频分析方法用于第二心音的分析，研究了正常和异常第二心音信号的时频谱，根据时频分布的边缘条件，给出了第二心音的瞬时功率极大值和功率谱极大值特性，并将其作为描述心脏生理病理特性的量化指标。结果表明时频谱反映了第二心音各个成分在时频平面的能量分布及动态变化过程，瞬时功率极大值和功率谱极大值描述了第二心音信号的时变特征。     

心音信号时频分析方法研究

目的:研究分析适用于心音信号的时频分析方法,该方法具有较高的时频分辨率,能够充分表现不同心音信号的时频特性,实现心脏病辅助诊断.方法:对心音信号进行相关预处理后采用维格纳分布、短时傅里叶变换和S变换3种方法分别对心音信号进行分析.结果:维格纳分布法具有良好的时频聚集性,且分辨率高,但含有交叉干扰项;短时傅里叶变换的时频聚集性差,且分辨率低;S变换的方法时频分辨率非常高,时频聚集性良好.结论:S变换具有宽度可变的高斯窗,频率分辨率高,可以满足心音信号时频分析对频率分辨率的要求     

ECG—6511心电图机主要性能指标的校验方法

ECG－6511心电图机是用于记录心脏电生理信号的仪器，本文介绍了其主要性能指标的校验方法。     

基于小波变换系数的心电信号基线漂移噪声去除方法

目的：心电信号（ECG）是临床诊断心血管疾病的重要依据,但由于基线漂移等噪声的存在影响了其诊断的准确性,因此在心血管诊断中必须先对ECG信号中的基线漂移进行矫正。方法：利用DB3小波对心电信号进行分解,根据分解的特点,将低频小波系数置零,然后重构形成新的ECG信号。结果：将该方法用于MIT-BIH的ECG记录,结果显示能够较好地滤除ECG信号中的基线漂移噪声。结论：该方法可以准确地去除基线漂移分量,并保留ECG的波形变化,为后续的ECG自动检测奠定了基础。     

基于LabVIEW的心音信号采集与回放系统设计

目的:通过wav格式心音信号的回放,还原心脏跳动音,解决传统听诊器听诊心脏跳动音弱的缺点.方法:基于PLabVIEW8.6开发平台,设计了心音信号回放系统,以电脑声卡的形式清楚地播放心脏跳动音.结果:通过对正常人和二尖瓣狭窄患者的心音信号进行回放,从心脏跳动音和心音图上都能够表现出明显的差异.结论:实验结果证明该方法能直观有效的区分正常和异常心音,解决了传统心脏听诊存在的主要问题,有助于心脏病的辅助诊断.     

基于匹配追踪的脑磁图体感诱发信号提取方法

目的：利用匹配追踪（MP）算法的良好参数化描述特性,研究癫痫脑磁图的时频分布特征。方法：提出应用MP算法提取体感诱发磁场（SEF）信号的详细的时频成分。结果：对多例正常受试者的体感诱发脑磁图信号进行时频分析,从中提出大部分信号中都存在的时频成分,表明系列稳定的SEF时频成分可使用MP分解算法识别。结论：体感诱发信号通过MP分解,能够产生稳定和微小的时频成分,并且这些成分在时频中具有特定的位置,从而为临床脑功能和脑部疾患发病机制的研究提供可靠的研究指标。     

三种时频表示方法在心音信号分析中的研究应用

本文比较研究了短时傅里叶变换和连续小波变换以及ＡＲ谱谱阵在心音信号时－频分析方面的性能差异，指出了应用这三种方法应该注意的问题，并对正常的第二心音信号的时频分析进行了研究。结果表明，连续小波变换在反映信号的时频特性方面（谱峰值、谱峰的位置、谱的分布）具有比另外两种方法高的性能。     

基于Cohen类时频分布的心音信号分析

目的：通过心音信号的能量图谱分析,区分不同的心音,为心脏病的治疗提供辅助诊断。方法：以LabVIEW8.6为开发平台,利用Cohen类时频分布,绘出心音信号的能量图谱。结果：通过对正常人和二尖瓣狭窄患者的样本进行分析,在时频能量图谱上能够表现出明显的差异。结论：分析结果证明,该方法能有效地区分正常和异常心音,并揭示出心音频率成分随时间的变化过程,有助于心脏病的辅助诊断。     

心电图在非心脏疾患时的临床价值

急诊医师对怀疑有心脏疾病的患者,常首选心电图(ECG)检查。若有胸骨后压迫样长时间的疼痛病史,结合ECG的ST段抬高可得出心肌梗死(MI)的诊断。但是ST段抬高和高T波并不能总意味着心肌缺血,他们可发生于高钾血症、低体温和颅内出血。所以,正确解释ECG非常必要电解质紊乱和急性肺栓塞的ECG表现,已为大家所熟知,还应关注以下异常,如中枢神经系统疾病、食管疾病,低体温由药物或中毒及一些少见情况引起的ECG变化。一、电解质紊乱1.钾:在少数严重的高血钾病例中,ECG甚至可以是正常或接近正常的。最早期的变化是出现高尖窄T波和缩短的QT…     

维格纳分布在生物医学信号分析中的应用

在生物医学信号分析领域,随着检测技术和数字信号处理水平的提高,准确地提取各种生物医学信号已成为可能,这些信号与生理变化和疾病的发生密切相关,对其进行检测与分析具有重要的临床意义。但由于生理状况及环境因素的影响,信号常常体现非平稳性,使时频两域的分析不能截然分开,例如运动引起心电图的变化,肌力张驰引起肌电图的变化,环境刺激引起脑电图的变化,在已经提出的多种时频分析方法中,维格纳分布(Wigner—Vill Distrbution,WD)最为引人注目,已被成功地用来对多种生物医学信号进行分析。时频域是信号分析的两大领域,它们通过傅氏变换联系起来。对于确定性信号,单独地从时域或频域分析一般已能够达到要求。但时频两域的截然分开是以信号的频率特性时不变或     

Time-frequency analysis of heart rate variability for neonatal seizure detection

The ECG has been much neglected in automatic seizure detection in the newborn. Changes in heart rate and ECG rhythm are often found in animal and adult patients with seizure. However, little is known about heart rate variability (HRV) changes in human neonate during seizure. Results of ongoing time-frequency research are presented here with the aim to compare the performance of various time-frequency distributions (TFDs) when applied to HRV time series for non-seizure and seizure newborns. The TFDs studied are the Wigner-Ville (WVD), the Spectrogram (SP), the Choi-Williams (CWD) and the Modified B (MBD) distributions. Based on our preliminary results, our current conclusion is MBD outperforms other TFDs in terms of time-frequency resolution, cross-terms suppression and to represent the newborn HRV signals of non-seizure and seizure which are closely-spaced components in the time-frequency domain.     

基于解析小波的心音信号时频能量图谱分析

目的:通过分析彩色时频能量图谱,能够直观地区分不同心音,为临床心脏病诊断提供一种有效的参考。方法:基于LabVIEW8.6虚拟仪器开发平台,采用解析小波变换(AWT)构建心音信号的时-频二维彩色能量图谱。结果:通过对正常人和心肌病患者的不同样本分析,在时频能量图谱上能够明显地表现出其差异。结论:分析结果证明,该方法能有效地区分正、异常心音,并揭示出频率成分随时间的变化过程,有助于心脏病的辅助诊断。     

基于振动分析的X射线管工作状态无损检测技术研究

本文提出了一种基于振动信号分析的X射线管旋转阳极工作状态监测方法。利用LabVIEW虚拟仪器开发平台,对通过加速度传感器和高分辨率数据采集卡采集到的X射线管旋转阳极的振动信号进行时域、频域和时频联合分析,完成振动特征的提取和处理,实现了X射线管启动、运转、刹车等工作状态的区分。     

小波变换在消除超声成像噪声中的应用

小波分析是目前国际上公认的性能优良的信号时—频分析工具,其多分辨率分析具有良好的空间域和频率域局部化特性,因此很适合于对二维图像信号进行处理。本文针对肝脏超声成像中因相位不同的散射回波相互干涉而产生的斑点噪声,利用小波变换对其进行消噪处理。处理结果显示此方法能达到较好的消噪效果。     

基于小波变换的中医脉象信号特征提取与分析

利用小波变换所具有良好的时——频局部化的能力和对非平稳信号突变点的检测能力。实现对脉象信号同时进行时域、频域特征值的提取和分析；并提取了脉象在不同时间——尺度上的能量特征，可以作为脉象的新的特征值，用于脉象信号的辨识。经1456例临床脉象检测，不仅极大地提高对平、浮、沉、迟、数、虚、实、滑、涩、洪、弦、促、结、代等基本脉的识别率（准确率〉90％），对于由上述基本脉构成的临床常见的相兼脉也有相当高的识别能力（准确率〉82％）。     

小波包变换特征提取与表面肌电分类

针对表面肌电(SEMG)的非平稳特性，提出采用小波包变换方法对其进行分类。分析了特征提取方法并采用小波包变换各频段能量构造特征矢量，经过学习矢量量化神经网络训练能够有效地从伸肌和屈肌采集的两道肌电信号中识别伸拳，展拳，腕内旋，腕外旋4种运动模式，平均识别率为94．5％。与其它时频分析方法比较，该方法不仅识别率高，鲁棒性好，也为其他非平稳生理信号分析提供了新手段。     

基于小波神经网络的脑电信号数据压缩与棘波识别研究

在对小波神经网络及其算法研究的基础上，提出了一种对脑电信号压缩表达和痫样脑电棘波识别的新方法。实验结果显示，小波网络在大量压缩数据的同时，能够较好的恢复原有信号，另外，在脑电信号的时频谱等高线图上，得到了易于自动识别的棘波和棘慢复合波特征，说明此方法在电生理信号处理和时频分析方面有着光明的应用前景。