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。     

基于抗混叠小波变换的胎儿心电信号分离方法

目的胎儿心电图能够较好地反映胎儿在子宫内的发育状况,但是由于采集的胎儿心电信号中混有噪声干扰,给医学诊断带来极大干扰。抗混叠小波变换算法能够从混有噪声干扰的源信号中提取胎儿心电信号,且当胎儿心电信号与母体心电信号混叠时,该方法仍能够提取胎儿心电信号。基于此,本文提出一种基于抗混叠小波变换的胎儿心电信号分离方法。方法首先对原始心电信号进行滤波预处理,再利用小波变换分离母体心电信号和胎儿心电信号,最后根据抗混叠分离算法获取混合心电信号中的胎儿心电信号,得到满周期的胎儿心电信号。结果该方法能够较好地获取胎儿心电波形,胎儿心电波形识别准确率可达100%,在信噪比较低的情况下,识别准确率仍可达到77.78%。应用此算法在国外MIT-BIT心电信号数据和国内医院临床心电信号数据中进行实验仿真,并与先前学者的胎儿心电信号提取方法进行对比。结论此方法具有较高的识别准确率以及在临床应用中的可靠性和可行性。     

应用自相关和独立分量分析的胎儿心电信号提取

目的:胎儿心电信号在监护胎儿健康状况过程中有着重要的作用。通常从孕妇腹部采集到的混合心电信号中提取出胎儿心电信号,孕妇腹部信号是准周期性的时间信号,其采样点存在着先后关系,传统的独立分量分析(ICA)算法在分离过程中没有考虑信号的时间相关性,针对这一问题提出了一种新的方法提取胎儿心电信号。方法:首先采用自相关分析可以得到混合信号具体的周期长度,根据周期长度进行片段截取信号后可以去除其时间相关性,再利用传统的FastICA分离截取信号得到ICA模型的模型参数,最后利用此模型参数从完整的混合信号中提取出胎儿心电信号。结果:使用临床数据进行了实验验证,分别使用传统的FastICA和新的方法提取胎儿心电信号,结果表明采用新方法提取出的胎儿心电信号中母体成分干扰得到了很好的抑制,胎儿心电信号比较清晰,分离效果优于传统的FastICA。结论:该方法可以清晰地提取出胎儿心电信号,在胎儿心电信号提取中具有很高的实用价值。     

基于LabVIEW的心电信号采集系统的设计

目的设计一套基于LabVIEW的心电信号采集系统.方法在插入式信号采集板DAQ的硬件支持下,利用LabVIEW编程软件,设计了一套双通道心电信号采集系统,本系统用传统的心电图机采集心电信号,经过调解后,输入计算机采集并显示,同时,为了能够对心电信号作进一步的研究,利用小波变换对心电信号进行了处理.结果成功采集到心电信号,并计算了心率的大小.     

基于小波变换和改进的瞬态独立成分分析融合算法的心电信号降噪方法

本文提出一种基于小波变换与独立成分分析融合的信号处理方法,该方法用于抑制多通道同步采集的心电信号包含的噪声。首先利用小波变换对各路同步采集的原始心电信号进行八尺度分解,获得低频逼近信号与高频细节信号,通过设定阈值的方法去除属于低频噪声部分的逼近信号。然后对保留的细节信号进行反变换实现信号重构,再利用包含预同步功能的瞬态独立成分分析改进算法从重构的信号中分离出高频噪声与心电信号独立成分。最后采用信噪比与均方根误差作为信号质量评价指标,将融合算法与单独使用瞬态独立成分分析算法的处理结果进行对比,结果表明融合算法进行降噪处理这一方法具有更高的信噪比和更低的均方根误差,本文提出的融合算法具有良好的心电信号降噪性能。     

心电、呼吸信号采集分析系统的研制

设计一种用于移动监护系统的生理信息采集及预处理装置.该装置以ARM为核心,包括低功耗的双路心电信号放大、滤波、抗基线漂移电路.实现了心电信号的采集、预处理、简单分析及从心电信号中提取呼吸信号等功能.     

穿戴式随行监护系统心电信号质量评价研究

穿戴式生理参数监测技术是一种新型的生理监护技术,代表未来监护技术的发展方向,但该类技术应用于临床尚有许多问题亟待解决。本文针对自主研发的穿戴式随行监护系统(SensEcho-5B)的心电信号质量评价问题开展了探索性研究。首先基于模板匹配法开发出一种心电信号质量评价算法,用于心电信号的自动、定量评价,在100名受试者(15名健康人和85名心血管疾病患者)随机抽取的100 h心电信号数据集上进行了算法性能测试。在此基础上使用SensEcho-5B与心电Holter同步采集了30名受试者(7名健康人和23名心血管疾病患者)的24 h心电数据,使用心电信号质量评价算法对两个系统同步记录的心电信号质量进行评价。算法性能测试结果:敏感度为100%,特异度为99.51%,准确率为99.99%。30名受试者的对照试验结果:SensEcho-5B所检测到的心电信号,信号质量较差时间的中位数(Q1,Q3)为8.93(0.84,32.53)min,Holter所检测到的心电信号,信号质量较差时间的中位数(Q1,Q3)为14.75(4.39,35.98)min(秩和检验P=0.133)。研究结果表明,本文提出的心电信号质量评价算法能够对穿戴式随行监护系统的心电信号质量进行有效评价;随行监护系统SensEcho-5B与对照Holter相比,心电信号质量相当。后续研究将进一步在真实临床环境中采集大样本量的随行监护生理数据,并对心电信号质量进行分析和评价,从而使监护系统的性能得到持续优化。     

基于小波熵的心电信号去噪处理

实测的心电信号不可避免地存在一些强干扰和噪声,如何在强背景干扰和噪声下准确提取出有用的心电信号,是心脏病智能诊断的一个重要内容。提出一种新的基于小波熵的弱心电信号去噪方法,先将信号小波分解,再对不同分解尺度上的高频系数进行小波熵阈值的量化处理,然后利用最高一层小波分解的低频系数分量和经过阈值处理的不同尺度的高频小波系数分量,组成进行信号重构所需要的系数分量进行重构,将严重的干扰和噪声去掉,实现有效信号的提取。最后分别利用临床的实测心电数据和M IT/B IH心电数据库信号进行验证,并针对不同噪声类型和不同信噪比情况进行分析。结果表明,该方法简单有效,尤其对于高频噪声效果更优,且适于实际应用。     

基于BP神经网络的胎儿心电提取算法研究

目的针对胎儿心电不易提取的问题,提出一种从孕妇腹部混合心电信号和胸部心电信号中提取胎儿心电的方法。方法采用反向传播(BP)神经网络预测孕妇腹部混合心电信号中母体心电的真实形态,从腹部混合信号中减去预测的母体心电信号便得到胎儿心电信号。与小波阈值去燥算法和自适应滤波算法比较,评价BP神经网络算法可行性。结果相比小波阈值去燥算法和自适应滤波算法,该算法准确度为94.12%,灵敏度为96.97%。这两项指标均优于小波阈值去燥算法的80.52%、93.94%和自适应滤波算法的87.88%、87.88%。结论基于BP神经网络的方法可以提取到纯净的胎儿心电信号,对于胎儿心电监护有一定的应用价值。     

Hilbert-Huang变换应用于心电信号消噪

目的：对心电信号消噪。材料与方法：本文讨论了Hilbert—Huang变换中经验模态分解和瞬时频率求解的两个过程及其原理，着重于把经验模态分解运用到心电信号，将其分解成有限数目的模态函数，对模态函数进行不同的阈值和处理。结果：Hilbert-Huang变换方法可有效地去除心电信号中的一般干扰。结论：与传统的小波变换消噪相比．Hilbert—Huang变换应用于心电消噪有一定的优越性。