心电信号零相位数字滤波

分析了零相位数字滤波的原理 ,通过对实测心电信号中 5 0Hz工频干扰的抑制结果表明 ,该方法对心电信号的滤波性能优于普通数字滤波方法 ,特别是对心电信号中QRS波群具有更好的滤波效果 ,在心电信号的处理、分析和自动识别中具有很高的应用价值     

空间滤波法用于胎儿心电信号的提取

本文综述了将空间滤波法用于胎儿心电信号的提取技术,重点介绍了奇异值分解法(Singular Value Decomposition,SVD)的应用。主要内容包括:利用正交基函数消去母亲心电的方法;用SVD两步法消去母亲心电的方法;基于“逆问题”原理的SVD方法。     

高频心电信号的维格纳分布

根据高频心电信号的发生机制，本文讨论了把维格纳分布用于分析这种信号的优点。运用注射脑垂体后叶素（ｐｉｔ）建立家兔心肌缺血模型，用维格纳分布系统地分析了家兔缺血产生、缓解过程中心电波形的变化。观察到一些有用的规律，证实维格纳分布为高频心电信号研究展示了新前景。     

基于心电信号提取呼吸信号的算法研究

目的:为了实现医用心电监护仪器对多种参数的检测,减少设备的复杂性和降低患者的不适感,基于呼吸运动对心电信号影响的理论依据,提出一种从心电信号提取呼吸信息新算法。方法:运用PanTompkins检测心电信号的R波和S波特征点,先后利用三次样条插值法和重采样法分别对此两路特征点进行处理,得到在相同位置采样拟合的R波序列和S波序列,选用小波变换理论重构一路呼吸信号序列,最后将处理得到的R波序列、S波序列、重构的呼吸信号序列和原信号4路信号序列构成混合矩阵,经独立分量分析(ICA)方法分离得到两路包含呼吸信息的源信号序列(Z1序列和Z2序列)。运用MATLAB软件对该算法的处理结果进行验证,并与相关的研究方法相比较。结果:在时域上对比统计人体每分钟呼吸次数,误差较小。经ICA方法提取出的两路源信号序列与其它呼吸信号波形有着良好的相关性,其平均相似度达到95.94%以上。结论:本研究提出的心电信号算法能够满足呼吸参数检测的需求,该算法是有效的。     

心电QRS积分信号的非线性分析

QRS波群积分能反映心室去极化活动,为不少心电研究者所重视。本文采用了非线性的分析方法,在非线性去噪的基础上重构此积分信号的相空间,计算了吸引子的相关维数与最大L yapunov指数值,分析了QRS波群积分的混沌特征。利用MIT- BIH心电数据库数据分析了多种情况下QRS波群积分的非线性指标变化特点,并同HRV信号非线性分析相比较,发现在某些情况下对QRS波群积分序列分析更具有优势。结论是利用QRS波群积分信号的非线性指标可对心脏功能做出评价。     

高介神经网络用于心电信号的识别

心电图（ＥＣＧ）的自动识别用分类长期以来一直是较难解决问题，特别是当截取ＥＣＧ信号的起点不同（相当于信号发生平移）及有基线漂移（相当于信号发生旋转）时，在不作预处理情况下要求仍能正确识别及分类，即要求识别过程具有平移不变性和旋转不变性，更是困扰生物医学工程工作者的困难问题之一。作者采用高阶神经网络（二阶）、对五类（正常类，高Ｒ波类、高Ｔ波类、Ｔ波倒置类及心律不齐类）具有平移及旋转的ＥＣＧ信号进行分     

心电信号中工频干扰的消除

研究了消除心电信号工频干扰的几种数字滤波器的设计方法，包括设计原理，实现方法及优缺点，从实用角度阐明了各种方法的滤波性能。     

高频谱心电信号的研究趋势

临床数据表明,与传统心电信号相比,高频心电信号在心肌梗塞、房室纤颤、心肌缺血、心肌炎、心室肥大、室性心动过速等患者中表现出高的敏感性,但不具有特异性.与传统心电信号研究相比,高频心电信号的研究报道较少.本文分析总结了高频心电信号的临床意义及研究中存在的问题,结合传统心电信号分析采用的方法,提出扩展高频心电信号研究的途径.     

房颤心电信号的分形维分析

本研究提出了一种简便有效的、基于频数直方图的由心电图(ECG)检测QRS-T波的新方法，从而获得未房颤时的P波、房颤时的f波；文中利用分形维分析法对P波、f波信号进行了处理和分析，计算了P波和f波的盒维数，特别是，比较了未房颤时和发生房颤时的相关信息的显著差别。     

一种心电信号的时频分析方法

人体心电信号是心血管疾病医学诊断的重要依据,在基础及临床医学上都有重要意义.由于人体心电信号是典型的非平稳信号,仅靠时域波形分析不能较好的反映其特征和探讨本质.本文通过人体心电信号的时频分析,得到了正常和一些病理的心电信号的典型时频图,从一个新的视角较好的反映出了人体心电信号的一些本质性特征,有望成为医学诊断的一种重要判别依据.     

基于心电信号的身份识别方法研究进展

随着人们对信息安全和可靠性的要求日益提高,生物特征识别技术成为信息安全领域中一个重要的研究课题。近年来,由于传统生物特征识别技术正在遭遇伪造、仿制生物特征的挑战,使得基于心电信号的身份识别技术成为一个热门研究领域。自心电信号被作为新的生物特征用于身份识别以来,其研究方法从复杂到简单,本文对其发展史、研究现状以及应用进行了概括。通过心电信号识别个体的方法是可行的,且有其防伪性高的独特优势,但距在实际中广泛应用尚有一段距离。     

心电信号的频谱分析及应用

心电信号的频谱分析及应用何伟综述（重庆医科大学生物医学工程研究室，重庆６３００４６）长期以来，临床上对心电信号（描成心电图）的分析都是对心电信号进行时域分析，提取和利用时间和幅度两种参数，如ＱＲＳ时限增长，ＳＴ段压低等。但是近来，心电信号的频域分析受...     

高阶神经网络用于心电信号的识别

心电图（ＥＣＧ）的自动识别及分类长期以来一直是较难解决的问题，特别是当截取ＥＣＧ信号的起点不同（相当于信号发生平移）及有基线漂移（相当于信号发生旋转）时，在不作预处理情况下要求仍能正确识别及分类，即要求识别过程具有平移不变性和旋转不变性，更是困扰生物医学工程上作者的困难问题之一。作者采用高阶神经网络（二阶），对五类（正常类、高Ｒ波类、高Ｔ波类、Ｔ波倒置类及心律不齐类）具有平移及旋转的ＥＣＧ信号进行分类识别。结果表明，本网络具有较好的分类效果。平移信号不受任何限制，可任意平移，旋转信号最大旋转幅度为原信号的２０％。本工作全部在微机上完成，而且本网还具有灵敏度高，学习时间短等特点，而有较大的临床实用价值。     

基于LMCD的病理心电信号分析

目的采用基于Lopez-Mancini-CalbetDivergence（LMCD）的统计复杂度分析方法,对充血性心力衰竭信号、心脏性猝死信号与正常窦性心律信号进行统计复杂度分析。方法采用Bandt-Pompe算法对符号序列进行模式概率统计,分析了充血性心力衰竭信号、心脏性猝死信号与正常窦性心律信号的统计复杂度。结果 3种心律信号的统计复杂度存在差异,正常窦性心率信号的统计复杂度最高,充血性心力衰竭信号次之,心脏性猝死信号最低。方差分析表明,基于LMCD的分析方法得出的3种心电信号的统计复杂度差异具有统计学意义。结论采用LMCD的统计复杂度方法可以有效地区分3种不同生理病理状态下心电信号,为辅助临床诊断提供了一种新手段。     

小波变换去除心电信号中呼吸信号干扰

目的 研究用小波变换去除心电图信号中呼吸信号的方法。方法 采用db4小波对采样频率为200Hz的心电图信号作离散小波变换的多层分解，并与呼吸信号的频率成分比较，发现呼吸信号分布在心电图信号分解后第8、9、10层细节中，去除这些成分和高频干扰，对剩下的分量重构。结果 比较成功地纠正了心电信号的基线，去除了低频呼吸信号的干扰。结论 小波变换的方法能够去除心电信号中的呼吸信号干扰。     

基于心电信号的睡眠阶段的辨识

本研究以睡眠中的心电图信号为基础,计算出心率变异性的时域和频域参数,根据自律神经系统的变化与心率变异性的关联性,对睡眠的不同阶段进行辨识,从而实现睡眠质量监测的居家化。睡眠质量辨别算法以监督式倒传递类神经网络为核心,通过SDNN、RMSSD、SDSD、NN50、p NN50、HFnorm、VLF百分比、5 min TP等8个特征值,进行睡眠的5个阶段的辨别。实验通过686组数据测试发现,隐藏层神经元数目为30,性能目标为40,为最佳参数设定,其中对睡眠中Stage1阶段的识别率可达93.33%。     

应用改进的时序自适应噪声消除法作胎儿心电信号的处理

采用时序自适应噪声消除法作胎儿心电信号处理,适应了信号的非平稳特性,但是难以实现微计算机的实时处理,主要问题在于计算量大,占内存多,我们通过分析信号和算法的特点,在应用中进行了改进.初步处理结果表明,改进后的时序自适应算法,在处理结果相同的前提下大大减少了内存和计算量,可以用于微计算机作实时处理.取自母腹体表电极的胎儿心电信号具有三个特点:(1)信噪比低,作为干扰出现的母亲心电比胎儿心电强得多.(2)信号与噪声频谱交迭(3)随机性,胎儿心电与母亲心电均为非平稳非各态遍历的随机过程.胎儿心电信号的处理,关键是要消除母亲心电干扰.本文主要探讨改进时序自适应噪声消除法来处理腹部胎儿心电信号,使处理结果能够满足胎儿心率检测的要求,算法适于微计算机的实时处理,以便实现胎儿监护.     

心电信号预处理与心电信号分析

本文介绍了在一种便携式心电监护仪器中是如何对心电数据进行预处理和智能分析的．为了适应便携式仪器的特征，我们在心电信号预处理中采用了FFT滤波和滑动平均滤波的方法去除各种干扰并使图像得以平滑，同时采用了差分阈值法提取特征点，考虑到监护仪器的实用性，在心电信号分析阶段，我们采用了分析特征间期异常情况的方法来替代对病症的智能诊断功能。