基于希尔伯特-黄变换的肌动图估计肌肉疲劳研究

肌动图(MMG)记录了肌纤维的低频侧向振动,表征了肌肉活动的力学特性。MMG信号可用于估计肌肉疲劳。希尔伯特-黄变换(HHT)作为一种时频分析方法,具有自适应性,适合于非线性、非平稳信号分析。本文利用HHT对上肢肱二头肌等长收缩疲劳实验中记录的MMG信号进行分析,提取计算瞬时频率的最高值与最低值的差(频带值)作为特征量,以估计肌肉疲劳特性。实验结果表明,当肌肉完全疲劳以后,50%最大力矩值和70%最大力矩值情况下,频带比分别为0.431±0.607和0.286±0.218,说明肌肉疲劳以后,频率有了明显地下降。     

基于希尔伯特黄熵的麻醉深度估计

麻醉深度监测是外科手术中必不可少的步骤之一。目前已经提出多种监测麻醉深度的脑电信号分析方法,尤其熵方法得到了广泛的关注。提出一种新的麻醉深度监测方法-希尔伯特黄熵,先用经验模态分解—希尔伯特黄变换处理脑电信号获取希尔伯特黄边际谱,再根据香农熵定义得到希尔伯特黄熵。对19个接受吸入药物七氟醚麻醉的病人脑电信号的希尔伯特黄熵和时频均衡谱熵进行计算、测试和比较,结果表明：希尔伯特黄熵能够更准确的区分麻醉和清醒状态,更适合于麻醉深度监测。     

分频段Hilbert谱熵的心率变异信号分析方法

心率变异(HRV)信号分析对心脏系统疾病的辅助诊断、监护及评估有十分重要的意义。本研究将Hilbert谱分析方法和非线性熵分析方法相结合,提出了基于分频段Hilbert谱熵的HRV信号分析的新方法。依据Hilbert谱的时频多分辨率特性和HRV信号频谱特征,在不同频段计算HRV信号的Hilbert谱熵和加权表示的全频段谱熵。对HRV信号的生理因素按频段适当分离后进行Hilbert谱熵的分析,更有利于表征某些生理病理的特征。对MIT-BIH数据库中实际HRV信号分析表明,这两种熵值能有效地区分年轻人、老年人及房颤患者三个样本组和健康人、充血性心力衰竭患者两个样本组,统计性能优于普通的时频熵方法,为临床HRV信号分析提供了一种有效方法。     

人体结肠压力信号的HHT分析

结肠测压技术可以提供结肠动力活动的信息.是广泛使用的评价消化道功能的检查手段.但是人体结肠压力信号具有明显的非平稳性,并且测量时难以避免外界的高频干扰,传统的时域观察或者频域分析很难对测压结果进行准确的分析.本文采用希尔伯特-黄变换(HHT)对临床采集的28例结肠压力信呼进行分析.先将人体结肠压力信号通过经验模式分解(EMD)方法分解为一系列自适应的固有模式函数(IMF),然后判断并提取出其中主要的分量c3,对其进行Hilbert变换,得出时间-频率-幅值(能量)表示的三维Hilbert时频谱及其边际谱,真实准确地反映出结肠压力信号蕴含的特征信息.依据来自于医学上现有的结肠动力理论进行分析判断,结果表明,这种分析方法对于区分出正常(5例)和异常(23例)人体结肠压力信号有明显的作用.结果符合现有理论,说明HHT是一种分析结肠压力信号的有效方法.     

基于希尔伯特-黄变换人步行状态髋关节角度信号的分析方法

目的提出一种基于希尔伯特-黄变换(Hilbert-Huang transform,HHT)分析人步行状态髋关节角度信号的方法,并验证其可行性。方法首先,利用加速度传感器与陀螺仪组成的髋关节角度测量平台,测量健康人步行状态髋关节角度。其次,对此信号进行集合经验模态分解(ensemble empirical mode decomposition,EEMD),得到各本征模态函数(intrinsic mode functions,IMF),再对不同尺度的模态函数进行分析与组合。最后,对原信号进行Hilbert谱分析。结果得到反映运动模式的特征信号以及髋关节旋转轨迹所表示的步态特征。Hilbert谱显示出主运动模式内的波内频率调制现象与步频特征。结论此方法适用于步态疾病患者的康复与治疗,可以有效地将髋关节角度信号不同频率尺度的特征信号进行分解,实现中心修正与滤波,达到自适应分析患者步态信号的目的。     

希尔伯特变换法分析心室颤动电压与电除颤结果的相关性研究

探讨数字化的心电图（ECG）绝对心室颤动电压（AVFV）与心室电除颤结果之间的相关性。在11只成龄犬中按矢状方向（Y轴）、横向（X轴）和纵向（Z轴）连接电极建立正交ECG并安置经静脉双导管心脏电除颤系统；诱发室颤持续10s，按选定的除颤成功率为50％的电量进行电除颤；使用希尔伯特（Hilbert）变换测定ECG包络电压。结果显示：在236个心室电除颤成功的试验（DF1）和249个电除颤失败的试验（DF2）两组中的AVFV包络电压无明显一致性的差别；DF1组的移动平均电压并不大于DF2组，其Z轴方向上电压反而小于DF2组。研究表明：心室颤动期间ECG的AVFV与心室电除颤结果之间无很强的相关性。     

基于HHT边际谱熵和能量谱熵的心率变异信号的分析方法

基于希尔伯特-黄变换(HHT)理论,依据广义信息熵的概念,提出基于HHT边际谱熵和能量谱熵的概念和熵分析方法。对常规信号和混沌时间序列信号进行复杂性研究,结果表明本方法在刻画信号复杂度变化、抗脉冲干扰方面优于Lempel-Ziv复杂度和功率谱熵方法。将其应用于MIT-BIH标准数据库的实际心率变异(HRV)信号分析,结果显示HHT边际谱熵和能量谱熵能从HRV信号中敏感地检测出生理和病理状态的变化,统计学分析优于传统的功率谱熵方法,为临床HRV信号及其他复杂生理信号的分析提供一种有效的分析方法。     

基于HHT人步行状态髋关节角度信号的分析方法

目的 提出一种基于希尔伯特-黄变换（Hilbert-Huang transform,HHT）分析人步行状态髋关节角度信号的方法 ,并验证其可行性。方法 首先,利用加速度传感器与陀螺仪组成的髋关节角度测量平台,测量健康人步行状态髋关节角度。其次,对此信号进行集合经验模态分解（ensemble empirical mode decomposition, EEMD）,得到各本征模态函数（intrinsic mode functions, IMF）,再对不同尺度的模态函数进行分析与组合。最后,对原信号进行Hilbert谱分析。结果 得到反映运动模式的特征信号以及髋关节旋转轨迹所表示的步态特征。Hilbert谱显示出主运动模式内的波内频率调制现象与步频特征。结论 此方法 适用于步态疾病患者的康复与治疗,可以有效地将髋关节角度信号不同频率尺度的特征信号进行分解,实现中心修正与滤波,达到自适应分析患者步态信号的目的 。     

基于EMD和Hilbert变换的自发脑电信号特征提取

在脑机接口研究中,针对脑电信号的特征提取,提出一种基于EMD的Hilbert变换的方法.在变换过程中根据信号的局部特征自动选择基函数,求得信号在每个时间段的希尔波特谱;以时频窗口内的统计特性作为特征,利用Fisher距离选择最佳特征集输入分类器.最后利用BCI 2003竞赛数据,通过对特征矢量的可分性和识别精度两个指标的评估,表明了所提出方法的有效性.     

基于改进LBP特征的白细胞识别

采用先进的计算机图像处理与分析技术完成白细胞分类计数是辅助诊断血液疾病的重要方法。各种白细胞间的纹理差异较大，纹理是区分白细胞的重要特征之一。局部二进制模式（local binary pattern，LBP）是一种有效的纹理描述算子。本研究提出了一种提取细胞的改进LBP特征用于白细胞分类识别的算法。首先，用小波变换对图像进行分解并重构，获得四幅不同频率的分量图，对其中的低频信号采用离散余弦变换。此后，用可变大小的子窗口对变换后的图像扫描，并根据不同区域赋以权值，获取改进的LBP特征，构成加权直方图。这种特征既能反映细胞局部特征又能反映整体特征。根据测试样本和模板的LBP特征直方图之间的马氏距离构建分类器。根据这种改进LBP特征有效地实现了白细胞的5种分类，得到了令人满意的分类正确率。实验结果表明：本研究提出的算法能有效地区分不同类的白细胞；与其他一些算法相比；提高了分类的精确度。     

基于Hilbert-Huang变换的医学超声信号去噪

目的:探求一种基于Hilbert-Huang变换的医学超声信号去噪方法。方法:提出了一种基于Hilbert-Huang变换的医学超声信号去噪方法。首先对含噪超声信号进行经验模式分解,得到各阶IMF分量,然后对高频的IMF分量用阈值方法进行处理,把经过阈值处理的高频的IMF分量和低频IMF分量进行叠加,得到重构的去噪信号。结果:仿真实验表明,基于Hilbert-Huang变换的医学超声信号去噪方法可以有效地降噪。结论:Hilbert-Huang变换的医学超声信号去噪方法在自适应性和先验性方面优于基于小波的去噪方法。     

基于小波变换和拉普拉斯算子的细胞图像边缘检测方法

目的：介绍一种基于小波变换和拉普拉斯算子的血液细胞图像边缘识别方法。材料和方法：取正常人血样5mL。制成血液细胞图片12片，对血图像进行预处理后，利用小波变换的多分辨率特性滤除细胞图像中的干扰成份。根据血液细胞边缘附近的灰度分布梯度较大的特点，采用拉普拉斯算子及双阈值法对其进行边缘检测和识别。结果和结论：实验结果表明，结合小波变换和拉普拉斯算子的边缘提取算法对血液细胞图像边缘提取有良好的效果．为下一步对血液细胞的形态学分析、分类和识别提供了新途径。     

小波变换在人体血流灌注信号分析中的应用

目的：激光多普勒血流仪测得的皮肤平均血流灌注量和血流速度等这些传统的评估微循环的参数指标在电磁场对人体微循环影响的研究中并没有得到跟其在动物实验中相似的结果。因而本研究欲利用时频分析技术寻求新的评估人体微循环的参数指标．给人体激光多普勒血流灌注信号的分析和处理提供新的思路和方法。为后续电磁场对人体微循环影响的研究奠定基础。方法：运用在低频段具有较高频率分辨率的连续小波变换将二维激光多普勒血流灌注信号转换为包含时间和频率信息的三维信号,由此可以清楚地同时观察小波变换后的小波系数在不同频段随着时间的变化情况。结果：小波变换后的小波系数在0．005Hz～2Hz频率范围内存在6个可能与微循环控制机理有关的特征峰值．峰值的幅度随着时间有所变化。结论：小波变换可作为分析人体激光多普勒血流灌注信号的一种有效工具,为后续电磁场对人体微循环影响的研究奠定基础。并且其对微弱、背景噪声强的医学信号的分析和处理提供了新的思路和方法。     

基于Sugeno型模糊神经网络的外周血白细胞自动分类研究

血白细胞分类计数嗜碱性粒细胞、嗜酸性粒细胞、中性粒细胞、淋巴细胞、及单核细胞是临床诊断的重要依据。作者在细胞图像分割、白细胞特征提取、白细胞特征选择后,提出了用Sugeno型模糊神经网络的方法实现外周血白细胞的自动形态学分类。用构建的网络分别进行白细胞的3分类和5分类试验,结果表明,用模糊神经网络分类器对血白细胞形态学分类可行。     

基于HHT变换的SEMG信号中MUAP的数目估计

对表面肌电（SEMG）信号中单位动作电位（MUAP）的数目进行估计可为神经肌肉控制的理论研究和神经肌肉疾病的诊断开辟新途径,本文给出了一种基于Hilbert-Huang变换（HHT）的表面肌电信号中运动MUAP数目估计方法.通过对SEMG信号经验模态分解后的第一内禀模态函数分量进行瞬时频率分析,利用其瞬时频率极值点的计数即可估计出运动MUAP数目.仿真信号与真实信号的实验结果均表明,基于HHT的SEMG信号中MUAP的估计方法是有效的.     

基于小波变换的心率变异性信号的分解

根据心率变异性（Heartr ate Variability，HRV）的牲，运用小波变换的分析方法将HRV信号分解成1／f分形部分和非1／f部分，有利于提取HRV信号的特征量和进行1／f部分的定量分析。     

对血液细胞图像自动分割的研究

将小波理论应用于血液细胞图像中白细胞核提取.首先对原始图像作红绿蓝空间到色度、饱和度和亮度空间的彩色空间变换以产生饱和度图像,然后在对饱和度图像的直方图作小波变换的基础上对饱和度图像进行阈值分割,并对图像做后处理以填补孔洞和消除碎片.实验表明,该方法对白细胞核的提取很有效,同时克服了传统方法中参数需要人工确定的缺点.     

基于小波变换的脊柱振动特征分析

为了研究切削过程中脊柱的振动特征,利用激光位移传感器测量皮质骨、脊髓和棘间韧带的振动幅度。出现切削过程引起的受迫振动时,由于脊髓、韧带等生物软组织表现为粘弹性,其作用相当于被动隔振体。应用离散小波变换对传感器的输出信号进行分解,通过比较不同尺度上小波能量分布来区别脊柱中的硬组织和软组织。实验结果表明,提出的方法能够准确辨识出皮质骨、脊髓和棘间韧带。     

基于小波变换的心电信号检测的应用研究

利用二进样条小波对信号按Mallat算法进行数字滤波，去除干扰。再利用动态的检测算法及规则对QRS波主要集中的2^3尺度下的QRS波进行检测。从而有效的提高QRS波的正确检测率。