基于经验模态分解自适应滤波的胎儿心电信号提取

目的提出了一种基于经验模态分解自适应滤波的胎儿心电信号提取法。方法首先利用经验模态分解算法对孕妇腹部信号进行分解得到一组内模函数(IMF),然后将这组IMF作为自适应滤波器的主输入信号,并将孕妇胸部信号作为参考输入信号。通过学习算法自适应组合IMF,滤除母体心电信号成分,从而提取胎儿心电信号。结果与结论基于仿真和临床的实验结果表明,该方法提取的胎儿心电信号误差小,性能优于传统的最小均方和归一化最小均方自适应滤波算法。     

一种基于单通道腹部信号的胎儿心电提取算法

设计一种基于单通道孕腹部信号的胎儿心电提取算法,分别提取出母亲心电和胎儿心电,并计算出母亲心率和胎儿心率。首先对单通道孕腹部信号进行k-TEO(k=19)变换,突出母亲心电的QRS波,从而通过简单的阈值法确定母亲心电的R波位置,接着通过在相邻R波间重采样以获得相同的R-R间期T,这样经过一个间隔为T的梳状滤波器就可以分离出相同R-R间期的母亲心电,然后再一次在相邻R波间进行重采样恢复原来的R-R间期就可以获得实际的母亲心电了。原始腹部信号减去上面提取的母亲心电后,胎儿心电QRS波的信噪比大大提高,通过再次应用提取母亲心电的算法即可得到“干净”的胎儿心电波形。选取Physionet数据库中的8 组(26 通道)孕腹部信号数据进行分析,计算每个通道数据的胎儿心电QRS波位置识别灵敏度、阳性检测率和准确性。结果表明,胎儿心电QRS波的识别准确率达到87.1%,其中有6 个通道达到100%。另外计算每个通道的母亲心率和胎儿心率并做统计分析,发现每一组中各个通道的母亲平均心率和胎儿平均心率都非常接近,同一组中各通道间母亲平均心率最大误差为0.1次/min, 而胎儿平均心率最大误差也只有0.9次/min,进一步证明算法的可靠性。     

基于盲信号分离的胎儿心电提取

本文提出了用盲信号分离提取胎儿心电的方法。首先研究了孕妇心电导联的特性 ,然后在此基础上设计了一个胎儿心电实时监护系统。由于使用了实时的盲信号分离算法 ,胎儿心电可以实时的被提取。一些试验结果表明该系统是有效的     

基于RLS-ANC自适应滤波的FECG信号提取方法

本文应用RLS-ANC(recursive least squares adaptive noise canceⅡation)自适应滤波方法提取胎儿心电(FECG)信号.该方法采用RLS-ANC自适应滤波消除母亲心电,提取胎儿心电信号.实验结果表明,本方法适应非平稳信号的能力强,收敛速度快,提取效果好于NLMS(normalized least mean squares)算法.     

基于独立成分和小波分析的胎儿心电提取

背景：在胎儿心电信号的采集过程中,会受到母体和其他噪声的强干扰,如何快捷与有效地提取出胎儿心电将成为重要的研究课题。 目的：采用结合独立成分分析和小波分析的方法对来自于同一母体的观测信号进行独立分量分离,得到有效的胎儿心电。 方法：结合独立成分分析和小波分析的算法进行胎儿心电的特征提取,首先对含噪信号进行小波变换,去除奇异信号和非平稳随机信号,然后对小波重构后的信号运用快速独立成分分析算法进行成分分析。 结果与结论：在胎儿心电信号的采集过程中,会受到母体和其他噪声的强干扰,但这些信号都是随机的,不相关的,可以认为它们间是相互独立的。采用结合独立成分和小波分析的方法对来自于同一母体的观测信号进行独立分量分离,得到有效的胎儿心电。实验证明该方法是一种有效的方法。     

自适应干扰对消技术提取胎儿心电的可视化仿真实现

目的:用可视化编程技术实现胎儿心电信号提取和分析.方法:获取受试者仰卧位的腹部平行放置的两对电极的二道心电信号;在Windows系统下,用Delphi嵌入汇编技术实现对模/数采样卡的低层I/O操作;用自适应干扰对消技术提取胎儿心电信号.结果和结论:计算机仿真结果表明,该方法能获取较清晰的胎儿心电信号.讨论:①基于Windows开发的系统具有较好的交互性和移植性,②获得胎儿心电后可用我们已开发的成熟技术实现对胎儿心动周期信号的混沌特征分析,以估计胎儿自主神经系统功能.     

基于非线性时间序列分析的胎儿心电信号提取

研究一种基于非线性时间序列分析的方法——非线性状态空间局部投影消噪算法来提取胎儿心电信号,在对胎儿心电信号进行分析的基础上提出胎儿心电提取的基本方案,采用改进的虚假邻点法及自相关函数法确定嵌入维数m及延迟时间τ,并对邻域半径r及局部嵌入流形维数Q的选取进行了说明。通过对实际母婴混合信号的仿真实验,验证了该方法的有效性。     

结合快速独立成分分析算法和卷积神经网络的胎儿心电信号提取与分析方法

胎儿心电信号为胎儿异常情况的早期诊断和干预提供了重要的临床信息,本文提出一种胎儿心电信号提取与分析的新方法。首先,将改进的快速独立成分分析（FastICA）法和奇异值分解（SVD）算法结合,来提取高质量胎儿心电信号并解决波形缺失问题。其次,运用一种新的卷积神经网络（CNN）模型识别胎儿心电信号QRS复合波,并有效解决波形重叠问题。最终,实现胎儿心电信号的高质量提取与胎儿QRS复合波的智能识别。以复杂生理信号研究资源网2013年心脏病学计算挑战赛（PhysioNet2013）数据库资料对本文所提方法进行验证,结果表明该提取算法平均灵敏度与阳性预测值为98.21%和99.52%;QRS复合波识别算法平均灵敏度与阳性预测值为94.14%和95.80%,相较于其他研究成果均有较好的提升。综上,本文提出的算法与模型具有一定的实践意义,今后或可为临床医学决策提供理论依据。     

基于小波变换和神经网络的心电信号P波检测

为了提高P波检测准确率,利用小波变换模极大值对在多尺度上的变化规律能表征信号突变点的性质,结合人体生理特性的检测策略进行心电信号P波的跨尺度检测。同时,引入反向传播神经网络对已检出的准P渡再次进行确认与识别。经MIT数据库实验表明,P波检测准确率达到97％。     

一种改进的FastICA算法在胎儿心电提取中的应用

目的为了改进传统FastICA算法对初始权值较敏感的问题,本文提出一种基于超松弛因子改进的FastICA算法来提取胎儿心电。方法首先对Da ISy数据库中的母体腹部混合信号进行中心化和白化处理,去除信号间的相关性;然后在牛顿迭代算法中引入超松弛因子对随机产生的初始权值进行处理,再用改进FastICA算法提取胎儿心电;最后对胎儿心电信号的提取结果通过可视化的波形和量化指标进行评估。结果实验结果显示该算法平均迭代次数由改进前的55次降到15次,信噪比也得到提高,并且改进后算法提取出来的胎儿心电几乎不掺杂母体心电。结论基于超松弛因子改进的FastICA算法,在保持收敛速度的同时,放宽了对初始权值的要求,避免了收敛不平衡,减少了迭代次数,可以提取出比较清晰的胎儿心电。     

Fetal ECG Extraction Based on Adaptive Linear Neural Network

Fetal ECG extraction has the vital significance for fetal monitoring. This paper introduces a method of extracting fetal ECG based on adaptive linear neural network. The method can be realized by training a small quantity of data. In addition, a better result can be achieved by improving neural network structure. Thus, more easily identified fetal ECG can be extracted. Experimental results show that the adaptive linear neural network can be used to extract fetal ECG from maternal abdominal signal effectively. What's more, a clearer fetal ECG can be extracted by improving neural network structure.     

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。     

The Signal Extraction of Fetal Heart Rate Based on Wavelet Transform and BP Neural Network

This paper briefly introduces the collection and recognition of biomedical signals, designs the method to collect FM signals. A detailed discussion on the system hardware, structure and functions is also given. Under LabWindows/CVl,the hardware and the driver do compatible, the hardware equipment work properly actively. The paper adopts multi threading technology for real-time analysis and makes use of latency time of CPU effectively, expedites program reflect speed, improves the program to perform efficiency. One threading is collecting data; the other threading is analyzing data. Using the method, it is broaden to analyze the signal in real-time. Wavelet transform to remove the main interference in the FM and by adding time-window to recognize with BP network; Finally the results of collecting signals and BP networks are discussed. 8 pregnant women‘ s signals of FM were collected successfully by using the sensor. The correct of BP network recognition is about 83. 3% by using the above measure.     

基于小波包变换的癫痫心电信号特征提取

目的:针对癫痫病的检测,从脑电中获取癫痫特征是传统的方法,但是,心电与脑电相结合的诊断方式是未来医疗卫生事业的重要发展方向,所以利用心电信号表征癫痫信息是一个值得研究的课题。方法:小波包变换为心电信号提供了一种十分精细的分析方法,它实现了信号能量在等宽频带上的分解。首先对单周期样本心电信号进行多层小波包分解,重构各个结点的分解系数并提取结点的能量;然后运用最小二乘法对结点能量值进行十次曲线拟合,并提取曲线中的能量极大值点。结果:在0 Hz到0.65 Hz频带内,癫痫心电样本的能量极大值点的频率位置集中在四个特征频带内,而其它心电样本的能量极大值点大部分分布在这四个频带范围以外,这为癫痫病的检测提供了良好的分类特征,实验结果表明本文算法对癫痫病具有较高的识别率。结论:心电信号易于检测且硬件成本低,在医疗中的应用十分频繁,本文算法能够方便的从心电信号中获取癫痫信息,这为癫痫病的检测与诊断提供了一条十分实用的途径。     

功能电刺激腕关节运动的自适应控制技术研究

针对功能电刺激(FES)康复技术中肌肉的时变和高度非线性的特点,提出一种实时调整FES系统输出,实现康复患者自适应训练的方法。考虑到患者间和康复各阶段肌肉对电刺激响应能力的差异,利用神经网络良好的非线性逼近能力,采用神经网络辨识器辨识相关运动肌肉的FES模型,并在此基础上,利用神经网络控制器在线调节控制策略及刺激参数,提高FES系统的自适应能力。通过人体腕关节运动控制的FES实验,验证该方法具有较高的轨迹跟踪控制精度和较强的自适应能力。     

基于小波变换和BP神经网络的室性早搏(PVC)识别

目的:室性早搏(PVC)是最常见的心律失常,能够实时、准确检测出它具有重要的临床意义。为了能够及早地发现室性早搏(PVC)、提高医生对室性早搏(PVC)诊断的准确性,本文研究了基于小波变换和BP神经网络的室性早搏(PVC)识别方法。方法:首先选取ECG信号的特征参数,用小波变换检测其特征点,提取特征参数,构造特征向量,然后再用训练好的BP神经网络对室性早搏(PVC)进行识别,从而实现ECG信号的正常心律和室性早搏的自动检测识别。结果:本文构造了一个7-10-1结构的三层BP神经网络,用MIT-BIH标准心电数据库中的心电信号数据对构造的神经网络进行训练、检测识别,识别率达到预期的效果。结论:分析MIT-BIH心电数据库六组试验数据的实验结果,证明了基于小波变换和BP神经网络的室性早搏(PVC)识别的方法具有较高的PVC自动检测识别率,对医生的诊断有良好的辅助作用,具有较高的应用价值。     

基于非负盲分离的胎儿心率检测方法

胎儿心率监测是一种有效评估胎儿当前健康状况的重要参考依据。为了可以快速准确地获取胎儿心率,该文提出一种基于非负盲分离的胎儿心率检测方法。该方法首先对采集得到的腹壁信号进行预处理,平稳小波变换后重构出母亲心电信号;接着,采用相减法去除母亲心电信号,再把剩下含有噪声的胎儿心电信号通过时频变换得到Born-Jordan分布;最后,利用非负矩阵分解得到胎儿心电的特征信号,检测其R波位置求得胎儿瞬时心率。实验结果表明,该方法可以快速、准确有效地获得胎儿地瞬时心率数据。     

人工神经网络预滤波的自适应运动心电信号增强器

运动心电图是一种将人体对象置于非平静状态下检测到的心电信号，其特点是运动导致基线严重漂移，肌电干扰显著增加，信噪比低。介绍了一种用人工神经网络预滤波的自适应运动心电信号增强器。运用人工神经网络的非线性和自适应处理的跟踪特性有机地结合设计而成。能降低噪声，提高信噪比，有效地提取运动心电信号。     

基于STDP可塑性自适应神经网络的构建及仿真研究

目的：在日益复杂的电磁环境下,生物体神经系统表现出的一定程度的可靠性、抗扰性、自适应和自修复的优势,生物的这种抗扰优势可为研究电子电路系统的电磁仿生防护提供新的思路。方法：基于神经信息传递的生理机制以及突触的可塑性机制,揭示了脉冲时间依赖突触可塑性（Spike Timing Dependent Plasticity,STDP）机制与生物自适应之间的关系,然后选取了Izhikevich神经元模型为节点,以动态STDP机制调节权值的自适应突触为桥梁。进行了四层具有自组织抗扰能力的前馈神经网络模型的构建与仿真研究,并进一步分析了所构建的神经网络的自适应抗扰能力。结果：在损伤神经元的比例小于中间层的30％时。具备STDP机制的网络抗扰能力明显优于相同损伤程度下不具备STDP机制的网络的抗扰能力。结论：所构建的基于STDP可塑性的神经网络的自适应抗扰能力与突触的STDP可塑性机制密切相关。