基于白噪声分离的集合经验模态分解心电信号去噪方法研究

集合经验模态分解(EEMD)是一种处理心电等非平稳信号的有效方法,但其参数白噪声比值系数与平均次数依靠经验设置,导致处理结果准确度低且对未知信号自适应性差。针对上述问题,本研究提出了基于白噪声分离的EEMD心电信号去噪方法。该方法通过经验模态分解(EMD)将心电信号分解至不同频带,基于白噪声能量密度和对应的平均周期的乘积趋向于一个常数的特性,提取信号高频分量重构信号高频成分;依据避免模态混叠参数准则实现针对不同信号的分解参数自适应获取。经过对心电信号的验证,结果表明该方法去噪效果明显,自适应性强,是一种有效的去噪方法。     

基于集合经验分解与改进阈值函数的小波变换心电信号去噪方法研究

针对心电图(ECG)信号去噪问题,提出了一种基于集合经验分解(EEMD)和改进阈值函数的小波变换去噪方法。首先利用EEMD对含噪的ECG信号进行分解,选取固有模态函数(IMF),重构ECG信号,实现ECG信号的一次去噪;再利用改进阈值函数的小波变换方法对ECG信号进一步去噪。实验中,利用MIT-BIH心电图数据库对提出的方法进行评估,用参数信噪比(SNR)和均方误差(MSE)比较EEMD、改进阈值函数的小波变换方法以及本文提出的方法的去噪效果。实验结果表明:本文提出的方法去噪后的ECG信号波形平滑,特征点幅值无衰减,在去噪的同时更好地保留了原始ECG信号的特征。     

基于稀疏分解的心电信号压缩算法

动态心电的广泛应用导致海量心电数据的产生,为了传输和存储的高效实现,必须对其进行压缩.本文在详细分析心电信号的可压缩特性基础上,将稀疏分解这一目前数据压缩算法领域较为前沿的方法引入到心电信号压缩算法中,提出了一种基于稀疏过完备库分解的心电数据压缩算法,该算法能够在较低的数据失真度情况下得到较好的数据压缩效果.同时,通过将本算法的实验数据同相关文献中提到的方法进行对比,其结果验证了本文算法的有效性.     

基于固有模态分解和深度学习的抑郁症脑电信号分类分析

以采集到的抑郁症患者和正常人的脑电信号为基础,采用固有模态分解算法对原始信号去噪处理,通过卷积神经网络对抑郁症患者和正常人进行分类分析。首先通过脑电信号的采集实验,采集15位抑郁症患者和15位正常人对照组Fp1的静息态脑电信号;之后对采集到的静息态脑电进行去噪处理,脑电去噪处理主要包括固有模态分解算法对原始信号的分解获得不同层次的IMF分量,对IMF分量进行频域分析,通过硬阈值的方法剔除原始信号中的噪声信号;最后采用卷积神经网络对抑郁症患者和正常人对照组进行二值分类,结果相较于传统的特征提取-机器学习算法,分类准确率明显提高。     

利用整体经验模态分解和随机森林的脑电信号分类研究

癫痫脑电信号的自动监测与分类在临床医学上具有重要意义。针对脑电信号的非平稳特点,提出一种基于整体经验模态分解和随机森林相结合的脑电信号分类方法。选取波恩大学脑电信号数据集中癫痫发作间期和发作期的200个单通道信号,共819 400个数据作为样本。首先利用整体模态分解将癫痫脑电信号分解成多个固有模态函数,然后对各阶固有模态函数提取有效特征,最后分别用随机森林和最小二乘支持向量机对脑电信号的特征进行分类。将随机森林与最小二乘支持向量机分类正确识别率对比,结果表明,随机森林分类方法对发作期和发作间期的癫痫脑电信号的分类效果比较理想,识别精度为99.60％,高于最小二乘支持向量机的准确性。该方法的提出能有效提高临床癫痫脑电信号分析的效率。     

一种新的快速消除心电信号干扰的滤波方法

用心电图机绘制心电信号时,最常遇到的麻烦就是50Hz的市电干扰。这种干扰有时会严重影响医生对心电信号的分析,造成误诊。为了消除干扰,本文提出采用整系数数字滤波原理对心电信号进行滤波。该原理具有运算速度快,占内存空间少,设计简便等特点。本文具体设计一个可用于心电图机的整系数带阻数字滤波器,该滤波器采用Pascal语言在微机上实现。实验结果表明该原理的滤波效果是令人满意的。     

基于经验模态分解-小波包变换的表面肌电信号手势识别

为了提高表面肌电信号（sEMG）手部运动识别的正确率,比较常规的sEMG预处理和特征提取方法,提出一种基于经验模态分解（EMD）和小波包变换（WPT）的sEMG手势识别模型。首先,使用EMD方法将sEMG进行平稳化,得到一系列的固有模态函数。其次,求取各个固有模态函数与原始信号的相关性,选取相关性较高的前4个分量作为有效分量。然后,采用Db3小波函数进行WPT,提取小波包系数中的平均能量、平均绝对值、最大值、均方根和方差等特征。分别采用线性判别分析和支持向量机对12种手部运动进行模式识别。结果表明基于EMD和WPT的sEMG手势识别正确率比直接提取小波包系数中的特征识别正确率高。     

心电信号中工频干扰的消除

研究了消除心电信号工频干扰的几种数字滤波器的设计方法，包括设计原理，实现方法及优缺点，从实用角度阐明了各种方法的滤波性能。     

独立分量分析在表面肌电信号分解中的应用

采用独立分量分析中的信息极大化快速算法初步探讨了表面肌电信号的分解问题。研究结果表明 ,独立分量分析对肌肉轻度收缩力水平下 (<10 %MVC)表面肌电信号的分解有较好的效果 ,可以作为表面肌电信号分解的一种预处理手段     

两导心电信号独立分量分析算法的研究

根据独立分量分析(ICA)理论,要想在观测信号中提取出独立分量,观测信号的数目必须大于或等于独立分量的数目,因此要求采用ICA算法的胎儿心电图机导联数必须大于一定数目,但在实际应用中常常难以满足这个条件。故本文提出了一种基于少数导联心电(ECG)信号的胎儿心电(FECG)提取算法,结合FECG和自适应噪声抵消算法,从两导采集于孕妇腹部体表的ECG信号中提取FECG。实验表明,该方法能够获得清晰的FECG信号。     

心电信号高频分量的提取方法研究

研究了高频心电信号的提取方法,提出了基于空间向量环模板匹配的信号平均方法,改善了信号平均的基准估计,并确保参与信号叠加的心电信号的心源同一性,使得各导联至少都具有相同的等效低通滤波器效应,试验数据分析证实了上述结果。     

基于小波变换和似然无偏估计的运动心电信号伪差消除法

介绍了一种基于小波变换并结合似然无偏估计来消除运动心电信号中基线漂移和肌电噪声的新方法 ,且提出了评价心电消噪算法有效性的两个指标。该方法利用小波变换多分辨率分析的特性 ,将原始运动心电信号进行多尺度分解及单支重构 ,根据运动心电信号的自身特征 ,结合似然无偏估计针对不同的心电细节成分进行阈值消噪处理。研究结果表明 ,该方法能有效消除运动心电信号中的干扰成分 ,为进一步研究运动心电信号的特征识别分析提供了新途径。     

独立分量分析技术在EEG工频干扰分离中的应用

工频干扰是脑电图(EEG)中常见噪声，严重影响EEG-信号的提取和分析。通过比较Fastica、Extended Infomax、EGLD、Pearson—ICA等四种独立分量分析(ICA)算法和奇异值分解(SVD)技术用于分离EEG中工频干扰的效果，确证ICA方法有很好的抗干扰性，而常用的SVD技术则难以奏效；其中推广的最大熵(Extended Info—max)ICA算法有较好的收敛性，文中使用该算法成功地从16导联早老性痴呆症患者EEG信号中(含混入的工频干扰，最低信噪比约为0dB)分离出工频干扰。ICA在生物医学信号处理特别是临床医学工程中潜在着重要应用前景和研究价值。     

基于归一化最小均方差联合集合经验模态分解的运动状态下心率提取算法研究

为了消除运动伪差、高频噪声和基线漂移对光电容积脉搏波(PPG)的影响,得到运动状态下心率的准确值,本文提出了一种基于归一化最小均方差(NLMS)自适应滤波器联合集合经验模态分解(EEMD)分析的PPG信号降噪方法。首先,将含有噪声的PPG信号以3轴加速度传感器为参考信号通过自适应滤波器,滤除其中的运动伪差;其次,将PPG信号通过EEMD分解得到一系列按频率由高到低的固有模态分量(IMF),通过排列熵(PE)准则判断信号的阈值范围,从而滤除其中的高频噪声和基线漂移。实验结果显示,不同运动状态下,降噪后PPG信号的计算心率和基于心电信号(ECG)的标准心率的皮尔逊相关系数为0.731,平均绝对误差百分比为6.10%,从而表明该方法能够准确计算出运动状态的心率,有利于人体运动状态下的生理监测。     

独立分量分析的研究和脑电中心电干扰的消除

本文研究和提出了一种用于独立分量分析的迭代算法 ,采用该算法成功地消除了存在于脑电信号中的心电干扰。基于信息论原理 ,给出了一个衡量各分量统计独立的目标函数 ,优化该目标函数 ,得出一种用于对独立分量进行盲分离的迭代算法 ,该算法的优点在于不需要计算信号的高阶统计量 ,收敛速度快。该算法使用一种去冗余方法 ,在提取一分量后 ,将其从混迭信号中去除 ,能逐一提取各独立分量。实验结果表明独立分量分析可有效地去除脑电信号中的心电干扰成分     

基于经验模式分解和独立分量分析的单导少次EP信号提取

EP信号的单导少次提取一直是生物医学信号处理领域倍受关注的问题。本研究利用经验模式分解（EMD）,把单导脑电信号（EP＋EEG）分解成多个基本模式分量（IMF）之和,进而选取合适的基本模式分量或者它们的组合,构成1导或多导参考信号,再利用独立分量分析（ICA）成功提取出了期望的EP信号,从而克服了ICA需要多导观测信号的要求。仿真实验证明了本方法的有效性。     

基于稀疏分解的心电信号波形检测及形状识别

为对心电信号进行波形检测和形状识别，解决心电信号自动诊断的重点和难点，在稀疏分解的理论基础上，构造符合心电信号特点的超完备字典，基于此字典，利用匹配追踪算法对心电信号做稀疏分解。根据稀疏分解所得解向量及与解向量在字典中对应的原子找出心电信号的特征波的起点、终点、峰值点等，最终实现心电信号的几种特征波的波形检测及形状识别。实验证明该算法的QRS波群检测率为99％，P波、T波检测率为85％，对P波和T波的形状识别符合人的主观判断。这些检测和识别结果为心脏病的自动诊断提供了依据。     

基于经验模态分解的心率变异性谱分析研究

本研究提出了一种应用经验模态分解(EMD)和Lomb周期图进行心率变异性分析的方法，并对54例糖尿病(其中34例伴有显著临床自主神经病变症状)患者与49例正常对照者进行了临床实验对照分析。结果表明，基于EMD的Lomb周期图方法能够克服传统的重采样法对心率变异性谱分析结果造成的失真，在心率变异性分析尤其是在疾病诊断方面具有重要的应用价值。     

基于扩散模型的心电信号基线漂移去除法

ECG信号的基线漂移直接影响波形的幅值及时程测量精度,快速、有效的基线漂移去除法是ECG信号处理的重点研究内容.提出一种基于扩散模型的ECG基线漂移信号去除法,通过对有基线漂移的ECG信号进行一系列的线性扩散,使这些信号接近于漂移的基线,从而分离出ECG信号,较好地保留了ECG主要波形的形状及其时程关系.利用合成信号的仿真结果显示,扩散模型可较好地将低频成分分离出来,且合成波的频率相差越大,其分离效果越好,显示其在ECG信号基线漂移去除中良好的应用前景.     

表面肌电检测中消除工频干扰的方法

从硬件和软件数字信号处理方面介绍了表面肌电检测中消除工频干扰的方法,硬件上采用了共模屏蔽驱动电路,模拟陷波器;数字信号处理方面应用自适应数字陷波器和谱内插的方法.模拟陷波器和数字陷波器由于消除工频干扰的同时也去除了信号成分,一般只在简单生物反馈中使用.谱内插的方法是在假设真实信号的50Hz成分可以通过内插法由相邻的频率成分估计出,这样就可以消除工频干扰,而且即使工频干扰的相位发生变化也可很好的消除其影响.