小波变换在心电信号滤波处理中的应用研究

介绍用小波实现心电图信号滤波处理的方法。该方法采用小波变换将原始心电信号分解为不同频段下的细节信号，去掉某些细节信号，再用小波逆变换恢复保留信号，就能实现心电信号的三种主要的消除。     

基于自适应小波神经网络的心电图检测法

自适应小波神经网络检测法就是利用小波函数取代通常神经网络中隐层的作用函数来实现的，通过网络的学习自适应地调整尺度参数和时移因子，提高了特征提取能力，因此，该网络可提高心电信号的检测率和可靠性。     

基于小波变换的心电信号准无损压缩算法

提出了基于小波变换的心电信号准无损压缩算法。在对原始信号进行一级小波分解的基础上，根据高频分量和低频分量所占位数的不同分别进行无损压缩。实验结果表明该方法失真度非常小，而且算法简单，运算速度快。     

心电信号的小波变换滤波算法的改进

对心电信号的滤波算法进行了改进。在利用小波变换实现心电图信号滤波算法的基础上，增加了对2^3尺度下小波分解所得细节信号的模极大值对的检测功能，以修复因滤波受损的心电信号的QRS波。经MIT／BIH标准心电数据库验证，试验表明，该方法行之有效。     

基于小波神经网络的心室晚电位识别

采用小波神经网络对高分辨率信号平均心电图进行心室晚电位的识别.小波神经网络的训练采用共轭梯度法.经过对28例3导信号平均心电图实验数据的分析,取得了较好的识别效果,对晚电位的识别准确率为84.5%.     

采用预处理的心电信号数据压缩的神经网络方法

根据心电图特征的变化，本文首先对采样数据进行了必要的预处理，较大幅度地减少了冗余信息。在保留心电信号主要特征的前提下，缩小了神经网络输入、输出数据规模，从而减少了网络训练所需的时间，使得基于人工神经网络的心电信号数据压缩方法更适应实时数据压缩的需要。模拟结果表明，本文所采用的数据压缩方法具有较高的压缩比和压缩精度。     

基于小波分析与神经网络相结合的表面肌电信号识别的研究

表面肌电信号是从人体骨骼肌表面通过电极记录下来的神经肌肉活动发放的生物电信号,具有非平稳性和复杂性的特点。本研究通过使用小波分析与神经网络相结合的方法,识别正常肌电信号与疲劳肌电信号。实验表明,将小波分解后的肌电信号代替原始肌电信号,能明显提高神经网络对肌电信号的识别准确率。     

提升小波和平滑滤波在心电信号快速滤波中的研究

利用提升小波将原始心电信号(ECG)按频率特性分解为低频的逼近信号和高频的细节信号,舍弃前几层细节信号,采用自适应平滑滤波器选择合适的阈值对逼近信号进行滤波,从而避免平滑滤波对QRS波的损伤,再用提升小波逆变换重建保留的逼近信号,进而实现对心电信号中三种主要噪声的抑制.实验表明该方法计算量小,实时性强.     

心电信号的小波变换滤波算法的改进

对心电信号的滤波算法进行了改进。在利用小波变换实现心电图信号滤波算法的基础上，增加了对2^3尺度下小波分解所得细节信号的模极大值对的检测功能，以修复因滤波受损的心电信号的QRS波。经MIT/BIH标准心电数据库验证，试验表明，该方法行之有效。     

基于神经网络的心电信号波形自动分类算法研究

心电图诊断是临床常规检查之一.医生常常需要分析心电波形形态上的各种特征,做出临床诊断,因此它对心血管疾病具有重要(诊断)价值.通过对心房肥大、心室肥厚、窦性心律紊乱三类常见心脏疾病的心电图诊断标准分析,采用人工神经网络方法进行心电波形分类算法研究,验证了给出的神经网络算法是可行的.     

由单通道心电提取呼吸信息的算法

基于除呼吸作用以外，能够引起正常的QRS波群中R波振幅的干扰因素也较少的事实，提出使用室上性的QRS波群由心电提取呼吸信息（EDR）（ECG-derived respiratory signal）的算法。该算法先将单通道心电进行小波分解，再将小波近似在适当尺度上的室上性波R波振幅在时间上进行延拖，通过一低通滤波器后再将抽样频率降低至5Hz，再通过一带通滤波器（0．1～0．4Hz）后，即可得到EDR。     

用于远程无线心电监护仪的心电信号采集电路的设计

介绍了一种用于便携式远程无线心电监护仪的三导联ECG采集电路。该电路不仅具有心电信号的采集放大和滤波功能,同时还具有导联脱落自动检测功能。     

心律不齐患者心电图变异的小波分析

为探究心电图(ECG)中QRS波群能量占比,提出了对ECG进行小波变换,计算多尺度下QRS波群能量占比的新方法。以年轻(21～34岁)与年老(68～81岁)两组健康人及一组心律不齐患者(68～81岁)30个个体的ECG为实验数据,用Mexican-Hat为母小波在多个小波变换尺度下对ECG中的QRS波群进行能量占比的计算。结果表明,QRS波群的能量占比随年龄的增加无变化(P>0.44),但在相同年龄组,QRS波群能量占比在17Hz附近心律不齐患者组明显小于健康组(P<0.01),从而确定利用小波分析法计算出的QRS波能量占比可以作为检测窦性心律不齐患者的一项特征指标。     

心电信号QRS波的识别算法及程序设计

实现心电图QRS波检测的算法有很多,本文介绍了一种算法,即利用波变换的多尺特性,可以将QRS波从高P波,高T波,噪声,基线漂移和伪迹中分离出灵,并采用Microsoft VisualC 5.0编程实现算法,使用该方法对MIT／BIH心电数据库中带有严重基线漂移和噪声的心电信号进行处理,对QRS的识别率高达99．8％,文中给出给程序设计要点和程序流程图。     

一种基于心拍筛选的心电波形参数的测量方法

在计算心电的波形特征(如幅度、时限等)时,通常所有心拍都参与计算,但低信噪比的心拍实际上起了负面效应。本文提出了通过模板法筛选高信噪比的心拍来计算波形特征的一种方法。通过KL模板和均值模板的比较,发现无论是实时性还是准确性方面,均值模板都较KL模板更具优势。实验证明,本文方法提高了心电波形参数的统计精度。因此,该方法使得心电自动分析的结果更加准确可靠。     

基于小波变换与形态学运算的ECG综合检测算法的研究

针对心电波形检测中小波变换算法的缺点 ,在 ECG特征点检测中 ,将原始信号在 3尺度上的 haar小波分解的细节信号模极大值对检测法与数学形态学峰谷检测相结合 ,提出了一种新的心电波形特征点综合检测算法 ,该算法弥补了小波变换算法对信号振幅检测上的不足 ,有效地提高了心电信号特征点检测的准确度。