运动心电信号特征提取的小波变换方法

介绍了小波变换的基本原理以及基于高斯型函数的一阶导数的二进小波变换的算法,并在运动心电信号特征参数的识别中应用该小波变换方法,研究表明小波变换方法对于消除运动心电信号中基线漂移和噪声的效果是十分明显的,这为进一步研究运动心电信号的特征识别提供了新的途径。     

医学超声信号及其特征提取

医学电子学是生物医学工程学一级学科下属的一个二级学科,涉及生物医学工程学中的电子学领域,对信号/信息的研究是其重要内容之一.人体信号(包括人体超声信号)具有强随机性和强背景噪声的特点.医学超声诊断技术经过超声发射与接收、信号检测与处理、结构与运动图像显示等几个环节,应用现代科技中的一些概念、方法、技术,提取医学超声中与诊断有关的特征参数,使诊断更准确、迅速和有效.本文首先简要地介绍了医学电子学中人体超声信号的检测、处理及其特征提取所采用的方法及其技术特点.通过介绍医学超声信号检测和处理中所涉及的特有技术、方法和实施,对它们的未来发展方向进行展望.然后概要地介绍了医学超声信号在时域、频域(变换域)、几何域和模型应用等方面的特征提取方法,并说明其应用.在信号的时域特征提取方面,以超声多普勒血流信号的Teager能量参数提取为例进行说明.在信号的频域(变换域)特征提取方面,分别以短时傅里叶变换提取超声多普勒血流信号频谱参数、小波变换提取颈动脉超声多普勒血流信号最大频率曲线特征为例进行说明.在信号的几何域特征提取方面,给出了利用分形方法分析超声多普勒血流信号的例子.在应用模型提取信号特征方面,以超声多普勒血流信号零极点模型的特征提取为例进行说明.这些特征提取工作均为作者的科研成果.     

小波变换模极大值算法用于胎儿心电信号提取的研究

目的：研究采用小波变换模极大值算法如何从母体腹部信号中提取出胎儿心电信号。方法：根据母体腹部信号中母体心电和胎儿心电在小波变换下具有的不同特性,首先对母体腹部信号进行小波分解及模极大值检测,对检测结果进行处理,抑制某些与胎儿心电相关的极大值点而去除相应的信号奇异性,然后采用Mallat交替投影法使用处理后模极大值重构小波系数,进而重构信号,识别出母体腹部信号中的母体心电信号和胎儿心电信号。结果：使用临床数据对该方法进行测试,结果表明,基于单通道信号的小波变换模极大值算法能够识别母体腹部信号中的胎儿心电信号。结论：同时与传统的基于多通道信号的提取方法相比,不存在多通道信号相关性对提取结果的影响,但是该方法也存在一些不足之处,有待于进一步研究。     

小波变换在微弱生命信号处理中的应用

小波变换是时间和频率的局部变换,它在多领域的研究都取得了有科学意义和应用价值的成果。本文对小波变换作了简要介绍,对小波变换在微弱生命信号中的应用进行了初步探讨。     

二次微分小波在心电图QRS波检测中的应用

叙述将小波变换应用于ECG信号检测QRS波。利用二进Marr小波对信号按Mallat算法进行变换;从等效滤波器的角度分析了信号奇异点（R波峰值点）与其小波变换模极大值的关系;探讨了二次微分小波与一次微分小波在奇异点分析时性能上的差异。在检测中运用了一系列策略以增强算法的抗干扰能力,提高QRS波的正确检测率。经MIT／BIH标准心律失常数据库验证,QRS波的正确检测率高达99．8％。     

基于小波变换的ECG去噪法及仿真

为去除心电信号中的各种噪声,本文以小波变换的多分辨率分析为理论基础,利用自适应阈值调整小波变换系数,用调整后的系数进行心电信号重建。采用MIT-BIH数据库中的心电信号进行仿真、验证,有效地去除了噪声信号。与传统滤波器具去噪相比有明显的优越性。     

小波变换在事件诱发脑磁图分析中的应用

目的:验证基于Morlet小波变换的时频分析方法在事件诱发脑磁图中的应用效果。方法:根据Morlet小波变换的数学原理及特点,对脑磁图数据进行时频分解,采用时频能量分布图和锁相因子分布图表示脑磁图信号。结果:从脑磁图数据中有效提取了锁相和非锁相的能量变化信息。结论:Morlet小波变换的时频分析方法能够适应脑磁图信号是时变非平稳信号的特点,从中提取出感兴趣的信息。     

小波分析原理及在脑电图中的应用

小波变换是一种时/频域的分析方法,它将时域的一维信号变换至时间—尺度的二维空间。小波分析的一个重要特点就是具有良好的时频局部化性质,对于处理时变信号具有独特的优越性。而医学信号如脑电信号就是非稳态的时变信号,特别是许多疾病的信号如癫痫的脑电信号就是一种突变的信号。利用小波分析,分离出有关信号,减少诱发、长期监护等手段来获得特征波的方法,能方便、快速的提取有关信号,作为癫痫诊断的辅助方法。     

小波变换在心电图特征点识别中的应用

利用小波变换的方法对心电图特征点进行检测.对心电信号的特征点与其小波变换后的模极大值对之间的关系进行了阐述.通过对结果的分析展望了小波变换的方法在心电图特征点识别中的应用前景.     

基于小波变换的心电信号去噪法

目的：运用小波阈值变换对心电图进行去噪。方法：采用软、硬阈值折衷的阈值函数及自适应的阈值策略对心电信号中的不同噪声进行滤除。结果：仿真结果证明此方法去噪效果较好。结论：小波阈值变换能够较好的处理心电信号等非平稳信号。     

雷达式非接触生命参数检测系统中心跳信号提取方法研究

雷达式生命参数检测系统采集的微弱生命参数信号是受到检测对象呼吸及心跳所导致的微动共同作用的复合信号．而且背景噪声随机性较强。为从复合信号中提取出特征明显的心跳信号，采用小波变换的方法，应用Symlets小波将信号各成分分解细化，调节小波分解系数后进行小波重构，从复合信号中提取出规则的心跳信号，为临床监护提供了一种新的非接触检测人体生命参数信号的方法。     

脉搏波的小波变换过零点分析方法研究

目的：探索中医脉诊客观化的新方法。方法：根据小波变换过零点和信号突变点之间的关系，分别运用小渡变换过零点表征检测脉象时域特征点和备特征点脉搏信号变化的快慢。结果：通过对30例年龄在20-25之间健康人脉象时域特征点过零点位置的统计和其变化快慢的计算．准确定位了其脉象时域特征点过零点位置。结论：应用这种方法可以比较准确地分析脉象信号所携带的各种信息，从而为中医脉诊客观化提供了一种新方法。     

基于希尔伯特-黄变换和提升小波包相结合的心音信号识别研究

目的：研究基于希尔伯特-黄变换和提升小波包相结合的方法对正常和异常心音信号识别的效果。方法：首先用DB6小波对心音信号进行降噪处理,然后用希尔伯特-黄变换分析提取心音信号的时域、频域特征值,再通过自适应提升小波包提取信号的频带能量特征值,最后通过支持向量机对心音信号进行分类识别。结果：对临床采集的240例异常心音和正常心音进行实验,正确识别率达到97.2%,且运算速度很快。结论：希尔伯特-黄变换和自适应提升小波包相结合的方法可有效识别正常和各种异常的心音信号,值得推广应用。     

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FHT和MSBP的CT图像滤波反投影重建方法设计

滤波反投影算法（FBP）是商用CT系统中广泛使用的图像重建方法。在CT图像重建应用的场合，投影数据和目标函数都属于实数空间范畴。基于Fourier变换的重建方法涉及大量复数运算，是其在计算上的一个固有特点。与Fourier变换相比，Hartley变换以其实值变换的特点，在实数域能够替代Fourier变换，进行信号和图像的处理。MSBP方法是基于重建图像像素和投影射线之间在不同的投影方位上所存在的几何关系而提出的。将快速Hartley变换（FHT）算法和MSBP方法应用于CT图像的滤波反投影重建方法中，在保持精度不变的前提下，减少了所需的存储空间和计算量。     

希尔伯特黄变换在电子耳蜗语音处理算法中的应用

为了提高噪声环境下的语音、声调语音以及音乐的识别水平,基于希尔伯特黄变换提出一种新的电子耳蜗语音编码策略．利用经验模态分解和希尔伯特变换提取语音的幅度瞬时幅度和瞬时频率．经滤波．调制等处理算法获取表征语音的精细结构进而合成刺激信号。以Matlab软件为平台对提出的算法和传统的连续间隔采样以及幅频联合编码算法进行仿真．分别处理50组语音测听材料并合成相应的语音信号。结果显示新算法合成的语音信号与原始信号的相关系数高于另外两种算法得到的相关系数．从而表明新算法可以保留更多原始语音的信息。     

基于小波分析的胃电信号处理

目的：体表胃电图（EGG）是研究胃动力学特性和功能性胃疾病诊断的重要依据,而从人体直接采集的胃电信号都含有干扰成分,不能直接应用于临床诊断。将小波分析运用到胃电信号的处理中,对信号进行去噪、重构等实验,用此方法对胃电信号进行处理。方法：以矩阵实验室（MATLAB）为工具,利用小波变换的多分辨率特性,将含有噪声的胃电信号进行多尺度分解,得到不同频带的子带信号,对含有干扰频率的子带信号进行去除,选择与胃电信号频率最为相关的子带进行重构。结果：此方法取得了较理想的胃电图。结论：小波分析是一种简单有效的信号处理方法,使EGG在临床诊断中更具有实际意义。     

十六路脑电信号预处理器的设计

为检测大白鼠的脑皮层神经电信号，开发了十六通道脑电信号预处理器，对原始的脑电信号进行放大、滤波处理，为A／D转换器提供具有适当幅度、高信噪比的信号。设计中针对大白鼠脑电信号低频率、弱信号、强噪声和干扰背景等特点采取了相应的措施，特别强调了高增益条件下电路的低噪声、低失调电压、低增益误差和高共模抑制比性能。     

ECG compression: evaluation of FFT, DCT, and WT performance

This work investigates a set of ECG data compression schemes to compare their performances in compressing and preparing ECG signals for automatic cardiac arrhythmia classification. These schemes are based on transform methods such as fast Fourier transform (FFT), discrete cosine transform (DCT), wavelet transform (WT), and their combinations. Each specific transform is applied to a pre-selected data segment from the MIT-BIH database and then compression is performed in the new domain. These transformation methods are known as an important class of ECG compression techniques. The WT has been shown as the most efficient method for further improvement. A compression ratio of 7.98 to 1 has been achieved with a percent of root mean square difference (PRD) of 0.25%, indicating that the wavelet compression technique offers the best performance over the other evaluated methods.