基于小波变换的脉搏波信号去噪

人体脉象信号是一种信噪比较低的非平稳随机信号,在分析脉象信号之前去噪是一项十分重要的工作。针对小波变换中的阈值法进行公式上的改进,并利用ZM—ⅢC型智能化中医脉象仪采集到的亚健康人群左关外桡动脉脉搏信号进行去噪处理,实验结果表明,改进后的阈值法可以取得更好的去噪效果。     

瞬态诱发耳声发射信号的小波阈值去噪

目的瞬态诱发耳声发射信号是从人的外耳检测到的微弱的音频能量,在测试过程中常混入各种随机噪声,本文尝试对瞬态诱发耳声发射信号进行去噪,以提高信号的信噪比,为进一步的临床应用(如频谱分析)奠定基础.方法小波变换阈值法.选用了sym8小波,软阈值处理方法,阈值选取规则为Minimax法.结果去噪后相关系数加大,信噪比提高.信噪比平均提高约10%.结论小波变换阈值法对TEOAE信号去噪取得了较好的效果.     

基于小波奇异点检测和阈值去噪的眨眼伪迹去除方法

目的眨眼伪迹是脑电中一种常见且影响严重的伪迹。本论文提出一种基于小波奇异点检测和阈值去噪的眨眼伪迹去除方法,无需眼电参考信号,做到自动去除单导脑电信号中的眨眼伪迹。方法首先利用小波奇异点检测特性以检测眨眼伪迹的峰值位置,然后只对眨眼伪迹区域进行小波阈值去噪。结果实验结果表明,本方法能够有效检测眨眼伪迹,避免了普通方法去噪时对非眨眼区域的影响。结论本方法使用的阈值和阈值函数优于典型的阈值和软、硬阈值函数,有效地去除了脑电中的眨眼伪迹。     

基于平移不变小波变换的颈肩肌电信号去噪方法研究

在采用肌电信号进行颈肩肌肉疲劳特性分析中,为提高非平稳表面肌电信号(surface electromyography,SEMG)的信噪比,抑制传统强制去噪时在信号奇异点处产生的伪吉布斯(Gibbs)现象,采用平移不变(translation invariance,TI)小波新阈值去噪的方法对肌电信号进行去噪。实验表明,该方法在保留颈肩肌电信号主要特征的前提下,与传统强制去噪方法比较,信号的信噪比(signal-noise ratio,SNR)提高了7倍,均方根误差(root mean square error)降低为原来的四分之一,故该方法更适合在充分保留肌电信号细节特征的前提下,去除颈肩肌电信号中的白噪声和50 Hz工频谐波干扰。     

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。     

基于小波变换的颜色视觉诱发电位检测去噪研究

为了提高检测的效率，将基于小波变换的信号分析方法引入到颜色视觉诱发电位（Visual evoked potential，VEP）的检测中，提出了基于多尺度条件下小波变换模极大值分布图的重建VEP信号的方法。该方法对初始采集信号采用Mallat快速算法进行离散小波变换得到模极大值分布图。根据信号噪声的Lipschitz指数特性进行去噪。最后按照POCS（Projections onto convex sets）方法进行信号的重建。仿真实验结果表明该方法对VEP信号的去噪效果比较理想。同时该方法极大地降低了测试次数。因此该方法与现有临床的叠加方法相比有明显的优披件．     

心电信号小波消噪方法的研究

针对传统正交小波变换对心电信号消噪容易在其特征波附近产生Gibbs现象而影响特征波检测的问题,提出基于平稳小波变换、采用系数可调的新阈值函数来消除心电随机噪声、同时抑止Gibbs现象的方法.实验表明,利用实测心电数据和MIT/BIH数据库的数据消噪,所提出方法在解决以上问题的同时,有效保持了心电信号的几何特征.为心电弱特征成分的准确提取奠定了基础.     

小波变换去噪方法在多谱勒胎儿心率提取中的应用研究

为了从超声多谱勒胎音信号中提取胎音信号，获得平滑的胎心率曲线，并计算胎心率，必须去除信号提取过程中的各种干扰和噪声。对平均频移算法获得的多谱勒信号的平均频率曲线采用小波变换中的五层强制去噪方法，使后续的相关计算能得到平滑的胎音信号，从而方便计算胎儿的心率。通过对实际超声多谱勒胎音信号的处理，获得了较好的结果，提取出了稳定、平滑的胎心率曲线，较准确地计算出了胎心率。     

基于改进小波阈值算法的ECG肌电信号去噪研究

为了解决传统软、硬阈值算法对肌电信号去噪后心电图（ECG）信号幅值降低和存在局部异常尖峰,导致去噪效果较差的问题。通过研究小波阈值算法的去噪原理和优化规则,基于双曲正切函数构造出一种具有连续性、结构简单、灵活性较高的可调阈值函数和改进的分层阈值,并分析得到小波分解含噪ECG信号的最佳小波基函数和分解层数,提出了一种改进的小波阈值算法。将软、硬阈值算法、相关文献中的阈值算法和本文所提改进阈值算法对含有真实肌电信号噪声的ECG信号进行去噪对比研究。实验结果表明：本文改进阈值算法能较好地去除ECG信号中的肌电信号噪声,并能更好地保持ECG信号波形特征,且Pearson相关系数值大于其他阈值算法。定性和定量结果表明,本文所提改进阈值算法对ECG肌电信号噪声具有较好的去噪效果。     

基于超声回波信号的指端脉搏波提取

脉搏波可作为检测人体心血管系统生理病理状态的重要依据。为了验证用超声波测量脉搏波的可能、解决脉搏波的测量部位受限的问题,本研究提出一种从超声回波信号中提取脉搏波的方法。设计一种跟随式超声传感器,用数据采集系统采集指端超声回波信号,经过滤波、选点及小波去噪等处理后得到较为纯净的脉搏波信号;同时采集心电信号以及光电容积脉搏波信号作为参考信号。结果表明,可以从提取的指端脉搏波中准确地获取心率;与同步测得的光电容积脉搏波数据相关系数大部分在0.8以上;波形中的重搏前波、重搏波等细节部分也能明显地表现出来。本研究提出的方法实现了从指端超声回波信号中获取完整可靠的脉搏波信号,为日后获取不同部位的脉搏信号提供了基础。     

结合QRS检测和小波阈值的膈肌肌电信号降噪方法

为了消去夹杂在膈肌肌电(EMGdi)信号中的心电干扰,在比例阈值算法的基础上,提出一种结合QRS检测和小波阈值的降噪方法.首先,根据小波系数的相关性构造QRS波群的检测方法,分析确定干扰的位置和范围;其次,将小波系数分为受干扰和未受干扰两部分,并构造相应的阈值算法,针对性地处理受干扰系数,以未受干扰部分系数作为阈值算法构造的依据;最后,重构处理后的小波系数,得到降噪后的EMGdi信号.对临床采集信号的处理对比表明,该方法能够更为有效地去除心电干扰,并更好地保留EMGdi的有用信号.     

Multiplexed Wavelet Transform Technique for Detection of Microcalcification in Digitized Mammograms

Wavelet transform (WT) is a potential tool for the detection of microcalcifications, an early sign of breast cancer. This article describes the implementation and evaluates the performance of two novel WT-based schemes for the automatic detection of clustered microcalcifications in digitized mammograms. Employing a one-dimensional WT technique that utilizes the pseudo-periodicity property of image sequences, the proposed algorithms achieve high detection efficiency and low processing memory requirements. The detection is achieved from the parent–child relationship between the zero-crossings [Marr-Hildreth (M-H) detector] /local extrema (Canny detector) of the WT coefficients at different levels of decomposition. The detected pixels are weighted before the inverse transform is computed, and they are segmented by simple global gray level thresholding. Both detectors produce 95% detection sensitivity, even though there are more false positives for the M-H detector. The M-H detector preserves the shape information and provides better detection sensitivity for mammograms containing widely distributed calcifications.Permission has been granted by the Departmental Research Committee, Department of Electronics, Cochin University of Science and Technology, for pursuing research in the field of automated detection of microcalcification in digitized mammograms.     

基于小波变换的QRS波群实时检测算法

本文研究了基于小波变换方法的心电信号QRS波群检测算法,通过对心电信号进行低通滤波、小波变换、差分平滑、阈值检测和修正策略等技术,提高了QRS波群的检测率.经MIT-BIH心律失常心电数据库全部48例数据的检验,QRS波检测灵敏度达99.82%,真阳性率达99.52%.在Windows环境下可实时实现.     

基于自适应门限的小波分形四叉树医学图像编码

将一种分形域的自适应门限方法，引入到小波分形域中，解决了小波分形四叉树编码中小波树R与匹配树D的匹配误差的自适应取值问题。仿真实验结果表明，这一自适应门限的编码方法提高了小波分形四叉树图像压缩方法的适应性。     

A novel method for analysis of single ion channel signal based on wavelet transform

A single ion channel signal was analysed by the power distribution fraction constructed by a discrete wavelet transform. Average opening time and energy distribution of the signal can be obtained directly by this method. The method can also be used when the signal is corrupted by noise. By contrast, the conventional frequency domain analysis method--power spectral density--is less effective. Power distribution fraction will therefore give more useful information in analysis of experimental ion channel signals, principally by giving values of the mean channel opening time. The method may be applied to distinguish different ion channels more efficiently and to find their reactions to drugs.     

基于小波的医学超声图像斑点噪声抑制方法

斑点噪声是超声图像中固有的噪声。本文提出了一种新的去除斑点噪声的方法，这种方法结合中值滤波和多尺度非线性小波软阈值的优点，首先把原网像进行对数转换，然后把对数转换后的图像进行中值滤波处理，从而把转换后的图像分成两部分，对每一部分进行小波分析，假设小波系数服从广义高斯分布（GGD），利用小波系数的统计特性估计出各个部分各个尺度的阈值，最后用软阈值方法对上述两部分分别去噪。实验结果表明，本文提出的方法在有效去除斑点噪声方面，优于中值滤波，维纳滤波和多尺度非线性阈值算法（MSSNT-A）。     

心冲击图信号中呼吸成分的时频检测方法研究

根据心冲击图(BCG)信号中呼吸成分对心动周期成分具有调制作用的事实,提出一种适用于坐姿BCG监测系统的呼吸成分时频检测方法。该方法先采用变频复解调(VFCDM)算法对BCG信号进行解调,得到不同中心频率的解调输出,再通过时频分析手段估计各个频段的瞬时频率及其幅值信息,最后实现呼吸成分时域波形的重建。为了验证算法的可行性和准确性,应用小波分析方法进行定性对比实验,并同步采集鼻热敏呼吸信号进行定量统计。实验结果表明,本文所提方法可以从BCG信号中较为准确地检测呼吸率成分,为多生理参数的无感觉同步监测做了有益的尝试。     

Multi-level basis selection of wavelet packet decomposition tree for heart sound classification

Wavelet packet transform decomposes a signal into a set of orthonormal bases (nodes) and provides opportunities to select an appropriate set of these bases for feature extraction. In this paper, multi-level basis selection (MLBS) is proposed to preserve the most informative bases of a wavelet packet decomposition tree through removing less informative bases by applying three exclusion criteria: frequency range, noise frequency, and energy threshold. MLBS achieved an accuracy of 97.56% for classifying normal heart sound, aortic stenosis, mitral regurgitation, and aortic regurgitation. MLBS is a promising basis selection to be suggested for signals with a small range of frequencies.