利用三次样条差值法抑制脉搏波基线漂移

目的脉搏波检测过程中,必须克服由于呼吸运动和身体移位会导致脉搏信号的基线漂移。本文提出一种基于三次样条差值的脉搏波基线漂移抑制方法。方法选择脉搏波的各个起始点为给定点,根据各个给定点的数值利用三次样条插值拟合出基线。然后用脉搏波在各个采样时间点上的采样值减去对应时间点上的基线函数数值,得到去基线的脉搏波波形。结果通过实际测量实验表明,脉搏波去基线后,基线比较平稳,波形比较稳定。结论三次样条差值法能有效抑制脉搏波的基线漂移,并且能够很好地应用在脉搏波实时检测中。     

改进的三次样条插值心电基线漂移滤波法

基准点选择对三次样条插值法去噪的效果有重要影响。本文针对通常的三次样条插值滤波方法,提出一种改进的心电(ECG)信号滤波算法,能适应更宽范围的基线噪声频率分布。算法通过对原始ECG信号求一阶导数,得到每一个心拍周期内的最大和最小值点,其对应的位置作为基准点的位置。然后对原始ECG信号通过截止频率为1.5Hz的高通滤波器,将滤波前后基准点所对应信号幅值的差值作为基准点的幅度。对这些基准点进行三次样条插值曲线拟合,所得拟合曲线为基线漂移曲线。改进算法与原单点法相比,在模拟两种基线漂移情况下,改进样条差值的拟合基线漂移曲线对模拟基线漂移的相关系数分别提高了0.242和0.13;真实基线漂移的情况下,多个临床数据实验显示改进样条差值法平均相关系数达到0.972。     

基于三次样条插值技术的去除胸阻抗基线漂移的方法研究

目的:胸阻抗信号常伴随呼吸等干扰造成基线漂移,这给临床分析计算、测量带来不良影响,为了消除胸阻抗基线漂移,作者在分析现有去除方法优劣的基础上提出一种新的方法。方法:采用labVIEW编程语言,以阻抗波波谷为插值基准点,利用三次样条差值技术去除胸阻抗基线漂移。结果:利用该方法消除基线后的胸阻抗波形底部非常整齐,而且没有使原有信号变异或者失真。结论:三次样条插值技术去除胸阻抗波基线漂移方法在仿真和实测实验中都取得很好的效果,这种方法是行之有效的。     

一种适用于Holter系统的ST段分析方案

提出一种ST段分析方案用于辅助医生的快速读图和诊断。采用中值滤波方法拟合和提取基线 ,进而消除基线漂移。利用顺序统计滤波器去除高频噪声 ,采用小波分析方法进行QRS主波的定位和检测 ,交互式方法定位ST段起点和终点 ,估计所截取的ST段与基线值之间的平均偏差 ,做出ST段偏移量的整体趋势图。回放系统可以使医生根据ST段整体趋势图 ,任意选取想要看的原始ECG信号 ,达到辅助医生快速读图和诊断的目的。     

脉搏波信号特征点识别与预处理方法研究

脉搏波信号特征包含人体心血管的生理病理信息,准确识别其特征点对分析人体心血管的健康状况有重要意义。脉搏波特征点因人而异,且易受干扰,因而获取高信噪比的完整信号是准确识别特征点的前提。本文基于数学形态学,设计了一种组合滤波器对信号作预处理,可有效抑制基线漂移并去除高频噪声。利用特征点与小波变换过零点的位置对应关系,识别预处理后信号的特征点,并提出用微分法来校正特征点的位置偏移。采用三个参数可调的高斯函数重构出四种典型的脉搏波进行对照实验,证明了本文方法识别脉搏波特征点的准确性。     

一种基于数学形态学的脉搏波信号预处理方法研究

针对脉搏波信号处理的难点,提出了一种基于数学形态学的脉搏波信号预处理方法,并分析了脉搏波信号特征及数学形态原理.据此设计了基于脉搏波信号特征的非线性形态学滤波器,用于脉搏波信号预处理.通过实验验证,此预处理方法在高频噪声去除和基线漂移抑制方面获得了满意的效果.相比其他滤波器,形态学滤波器抑制能力很强,且原理简单,计算量小,十分适合在微处理器中应用.     

基于平滑先验法去除脉搏波基线漂移

脉搏波信号中含有丰富的人体生理病理信息,然而基于光电容积描记法采集到的脉搏波基线漂移非常严重,直接影响到人体生理参数的准确提取。针对目前生物信号处理领域中去除基线漂移所用的方法计算复杂,处理信号时间过长,无法满足对脉搏波进行实时处理等问题,首次提出基于正则化最小二乘法的平滑先验法去除脉搏波的基线漂移。该方法通过分析不同正则化参数下平滑先验法的截止频率,结合脉搏波信号中基线漂移信号的频率范围,选取合适的正则化参数,实现脉搏波基线漂移的去除。实验结果表明,与小波变换法、经验模态分解法相比,该方法去除脉搏波基线漂移效果明显,提高了计算速度,同时也提高了信噪比,有利于下一步对脉搏波特征点的精确提取。     

基于数学形态学方法的心电图波形分离技术

讨论了一种基于数学形态学的心电图波形分离方法。使用这种方法,无须检测QRS波群,利用一系列形态学运算,便可以直接去除心电信号中的QRS波群,检出P波和T波的起止点,实现波形的定性和定量分离。定性分离效果甚佳,定量分离结果的方差较小。此外,心电信号的滤波、基线矫正等处理,也完全由类似的形态学算法实现。     

一种同时消除脉搏波信号中呼吸基线漂移和高频噪声的方法

目的：基于光电容积脉搏波可以实现血氧饱和度等人体生理参数的无创检测。基于光电容积脉搏波测量时,由于信号采集过程中存在人体呼吸和仪器本身热噪声等干扰,脉搏波信号中存在着呼吸基线漂移和高频噪声,影响最终的人体生理参数测量精度。方法：因此提出一种在经验模式分解的过程中结合小波变换的方法,来同时消除呼吸基线漂移和高频噪声的影响。首先通过经验模态分解将脉搏波信号分解为若干内在模式分量,并分别判断出含有呼吸基线漂移和代表高频噪声的分量,对于代表高频噪声的分量采用类似小波变换的方法进行滤波,利用小波变换将含有呼吸基线漂移的分量分解,将代表呼吸基线漂移的小波细节置零,信号重构后就达到了同时消除呼吸基线和高频噪声的目的。利用自行研制的测量装置采集的脉搏波信号进行实验验证,并采用信号交直流比R和信号的频谱进行效果评价。结果：有效地同时消除了呼吸基线漂移和高频噪声。结论：该方法将有利于血氧饱和度等人体生理参数无创检测精度的提高。     

一种基于提升小波和中值滤波的心电去噪方法

小波变换在心电去噪中有非常好的效果,但传统的小波变换计算量大,不利于实时处理和嵌入式系统的实现,提升小波是一种快速有效的小波变换的实现方法,本文提出了一种运用提升小波和中值滤波去除心电信号工频干扰、肌电干扰和基线漂移三种噪声的方法。该方法运用提升小波对含噪声的心电信号做三层分解,并根据小波基的特性在不同层次采用不同的小波基,去除心电信号的工频干扰和肌电干扰;对第三层分解后得到的数据做中值滤波,去除心电信号的基线漂移。将以上方法与传统的小波方法相比,去噪结果表明两者去噪效果相当,但提升方法运算速度有很大的提升。结果证实将提升小波与中值滤波方法结合可以有效地去除心电信号的工频干扰、肌电干扰和基线漂移,而且可以较大地提高运算速度,便于进行实时处理和嵌入式系统的实现。     

基于高频中值滤波的小波滤波在脑动脉色素浓度谱特征信号提取中的应用

近年来,近红外光谱技术(mear infrared spectrometry,NIRS)在脑科学研究领域倍受青睐。为了更好地满足参数的后续使用并提取出有效特征信号,前期尝试了多种常用滤波方法,为了解决滤后信号易失真以及不能有效滤除低频或者高频噪声的问题,提出了基于高频中值滤波的小波滤波,并采用高度还原真实信号特点的仿真信号以及利用脑血流动力学参数采集系统获得的真实光电容积脉搏波(photoplethysmography,PPG)信号,基于中值滤波的小波滤波进行分析。将实验测试数据与其他滤波方法的特征信号提取效果进行对比,并对处理数据进行信噪比和频谱分析。结果表明,采用中值滤波与小波滤波相结合的滤波方式,对脑动脉色素浓度谱特征信号进行滤波处理,能获得有效、精准的脑血流动力学参数,为后续的测量精度打下基础。该方法有效结合了中值滤波能够剔除粗差的特性和小波滤波在光电容积脉搏波中有效滤除高斯信号的特性,改善了采用单一方式的局限性,提供了一种新的PPG滤波的思路,对比传统方法更加优化。     

基于小波神经网络的心电信号滤波研究

针对心电(ECG)信号检测中存在的主要噪声,本文研究了基于小波神经网络(WNN)的ECG信号滤波理论。提出一种通过WNN非线性逼近能力构建的针对ECG信号的非线性滤波器算法和滤波策略,实现对ECG信号中基线漂移、肌电干扰、工频干扰噪声的滤除;给出了网络训练算法和滤波实验,滤波后信号与期望信号误差范围在微伏级,验证了本文提出的基于WNN的心电非线性滤波器对心电主要噪声快速滤波的良好效果,最后讨论了影响WNN用于心电滤波的几个关键问题。     

自适应算法与小波变换在心电信号滤波中的应用

心电信号是一种基本的人体生理信号,具有重要的临床诊断价值。然而,体表检测人体心电信号中常带有工频干扰、基线漂移、肌电干扰等各种噪声,给临床对心血管疾病的诊断带来了障碍。为了消除心电信号检测过程中带有的上述三种噪声,采用LM S自适应算法及小波变换理论,有针对性的设计了自适应滤波器、小波变换滤波器和自适应信号分离器等三种数字滤波器来滤除相应干扰。结果表明,对心电信号中存在的这三种噪声具有很好的滤波效果。     

心电信号QRS波的识别算法及程序设计

实现心电图QRS波检测的算法有很多,本文介绍了一种算法,即利用波变换的多尺特性,可以将QRS波从高P波,高T波,噪声,基线漂移和伪迹中分离出灵,并采用Microsoft VisualC 5.0编程实现算法,使用该方法对MIT／BIH心电数据库中带有严重基线漂移和噪声的心电信号进行处理,对QRS的识别率高达99．8％,文中给出给程序设计要点和程序流程图。     

基于小波阈值法的脉搏波去噪算法

目的消除可穿戴式脉搏波监测设备在连续测量中由于运动造成的运动伪差,保证设备准确性和稳定性。方法通过选取合适的小波基、小波最大分解层数、阈值函数和阈值方法,对脉搏波信号进行小波阈值处理,提出了一种基于小波阈值法去除脉搏波噪声的算法。并针对在脉搏波信号采集过程中出现的基线漂移、工频干扰和运动伪差,与加窗傅里叶变换去噪后的结果进行对比。结果在信噪比、均方差和平滑度等关键指标上,小波阈值法的效果更优。利用db9小波基对脉搏波信号进行6层小波分解,设置启发式阈值所得到的处理效果最好。结论该算法能够有效抑制工频干扰和运动干扰,使信噪比提高22 dB,均方差接近于0,且平滑度降为原来的11%,实现脉搏波信号采集中干扰的有效去除。     

基于小波分解的颈动脉波特征提取算法

目的:利用小波变换的时频局域化性质,检测出存在于颈动脉波信号(CAP)中的奇异点和奇异角,并且精确检测奇异角出现的位置。方法:小波变换具有多分辨率等特点,能够通过放大信号的任意细节部分进行时域分析。采用离散小波变换法结合db1小波能够检出脉搏信号中的奇异U角。利用计算CAP时域特征点的小波变换极大值坐标来精确定位脉搏时域特征点,通过检测脉搏的特征参数以及脉搏的突变特征参数,可以客观判定人体脉搏变化规律。结果:CAP信号WT分解很好地抑制了各种病理性、基线漂移等干扰,为进一步进行特征提取创造了条件,基于第一细节信号d1的特征点定位几乎不受各种病理性、基线漂移等干扰的影响,定位比其他传统处理技术更为准确。结论:本文提出了基于小波分解的颈动脉波特征点提取算法,取得高达100%的检测率。在含有大量噪声和伪差的脉搏信号中,仍具有较高正确检出率和良好的抗噪性。根据计算得到CAP信号时域特征点的小波变换极大值的坐标,再利用极大值表征准确测定脉象时域特征点的坐标,能够克服脉搏时域特征点定位不准的问题。     

基于经验参数和小波变换提取颈动脉波的时域特征

目的:为了解决应用小波变换进行颈动脉波自动检测运算量大的问题,提出一种改进的基于经验参数和小波变换的颈动脉波自动检波算法。方法:首先对脉搏波信号进行小波分解,再将小波分解的某细节信号按基线取绝对值,然后运用小波变换的奇异点检测原理确定前两个有效周期的极大值点位置,接着结合生理知识和实际经验对下一周期的极大值点加以预测,最后回到时域信号中,结合经验参数在一定范围内确定各特征点的位置。结果:经过对比分析发现本文主算法耗用时间比过零点法减少一半以上,较大地提高了运算速度。结论:该方法具有准确、方便、直观、运算量小等优点,由于可以不依赖于心电信号实现脉搏波自定位,因而特别适合单独进行脉搏波分析;结果表明,本方法在保证检测精度的前提下,让运算效率得到较大的改善,利于进行实时分析。     

一种改进的Canny边缘检测算法

针对经典Canny边缘检测算法的一些问题,提出一种既具有较好的抗噪声能力又能自适应提取较多边缘细节改进的Canny边缘检测算法。该算法思想是先进行图像的预处理,包括基于模糊数学方法去除背景噪声的干扰,利用中值滤波和高斯平滑滤波去除图像中的随机噪声。然后,通过差分方法获得图像中各像素点的梯度矢量和梯度幅值,采用非极大值抑制方法获得极值点。最后,基于最大熵自动获取阈值,根据极值点图像和阈值得到边缘图像,使用边缘跟踪算法将不连续的边缘连接起来,并去除孤立噪声点。实验结果表明:改进算法所获得的边缘图像平均提高8 dB,与传统方法相比,可获得更加连续的边缘和更少的噪声点。     

基于提升小波变换和多种策略的QRS波检测算法

目的：为了提高计算机处理心电信号的速率和精度,提出了一种基于提升小波变换,结合多种策略的QRS波检测算法。方法：首先采用基于阀值的提升小波去噪方法去除心电信号中的高频白噪声和低频基线漂移;再对处理后的心电信号进行提升小波分解,得出各层逼近信号和细节信号,在第3尺度上采用模极大值阀值法对R波进行检测．找出备选的R波,同时采用几何的方法定位Q波和S波及QRS波起点和终点;最后采用补偿法、波宽法及QRS波时长法对QRS波群进行纠正。结果：本文算法在时域心电图上实现了QRS波的准确定位．提取了心电图的QRS波段。通过MIT—BIH数据库验证,本算法具有很好的表现。结论：实验结果表明,相比传统的算法,本文采用的提升小波和多种策略的检测算法．能有效的检测QRS波,为心电信号的自动识别奠定了基础。     

心电图波形基线漂移的数学形态滤波在线实时处理

研究数学形态学滤波器消除心电图波形的基线漂移。选择Maragos类型形态滤波器,得到平结构元为消除波形基线漂移最佳形态滤波形式,信号的衰减幅度由信号数字频率与结构元长度的比值唯一决定,由此归纳出平结构元长度大于或等于要滤波除去的分量的横向宽度的结论。借助Matlab软件进行算法模拟,并移植到DSP硬件平台上进行工程调试,实验表明,该方法运算简单,花费时间少于1 ms,能有效并实时地滤除基漂。