用小波变换对ECG进行特征提取：一种在线数字信号处理系统

本文介绍了一种使用小波变换方法进行心电图信号的特征提取的方法，主要通过对ＱＲＳ复波进行准确的时间间隔测量来实现。本文提出的小波变换方法克服了其它方法存在的局限性，它能更精确地探测ＱＲＳ复波以及Ｐ波、Ｔ波的出现与停止。本方法用ＴＭＳ３２０Ｃ２５数字信号处理芯片来实时实现。文中介绍了其软件、硬件及其实验结果与分析。     

ECG信号的小波变换检测方法

本文反小波变换应用于ＥＣＧ信号的ＱＲＳ波检测。利用二进样条小波对信号按Ｍａｌｌａｔ算法进行变换：从二进小波变换的等效滤波器的角度，分析了信号奇异点（Ｒ峰点）与其小波变换模极大值对的零交叉点的关系。在检测中运用了一系列策略以增强算法的抗干扰能力、提高ＱＲＳ波的正确检测率。经ＭＩＴ／ＢＩＨ标准心电数据库检测验证，ＱＲＳ波正确检测率高达９９．８％。     

用小波变换结合神经网络检测ECG信号的P波

通过小波变换对ＥＧＣ信号进行分解,然后采用神经网络检测ＥＣＧ信号的Ｐ波,该方法作为一种辅助检测手段,效果良好。将其用于心率变异性分析具有重要意义。     

小波变换在心电信号滤波处理中的应用研究

介绍用小波实现心电图信号滤波处理的方法。该方法采用小波变换将原始心电信号分解为不同频段下的细节信号，去掉某些细节信号，再用小波逆变换恢复保留信号，就能实现心电信号的三种主要的消除。     

小波变换在心电信号特征提取中的应用

采用分段阈值和模极大值对斜率判据相结合的补偿策略,提出了一种精确提取QRS波群特征值的算法.经过对MIT/BIH心电数据库和临床实测的心电信号的大量实验,结果显示即使在有严重噪声干扰的情况下,运用本算法也很容易实现对QRS波群特征的有效提取,特别是对R波峰具有相当高的定位精度(其误差不超过一个采样点)和分析精度(没有累积误差).     

小波变换在ECG信号滤波中的应用研究

本文首先介绍了小波变换应用于ECG信号消噪处理中的几种常用滤波方法的原理,分析了它们的滤波性能.然后提出一种小波变换与自适应滤波相结合的心电信号去噪方法,实验证明这种去噪方法可以有效抑制心电信号中的噪声干扰,保持信号的波形特征,是对"运用多分辨率分析方法,去除噪声干扰对应小波分解尺度上细节分量"的滤波方法的一种有效改进,达到较好的滤波效果.     

脑电在线分析系统的研究及小波变换的应用

在对小波变换及时频特性研究的基础上,对脑电信号进行时频分析,给出EEG小波变换的结果,实现EEG在不同频率尺度的分解和重构,针对脑电信号的特点和分析方法,设计了脑电在线分析系统,阐述了系统软硬件结构设计和实现方法,该系统具有良好的实时性,功能齐全,可用于脑电的分析,监护和反馈研究。     

小波变换用于豚鼠脑干听觉诱发电位信号的特征提取

本文基于正交小波变换、分析了三类共３０例豚鼠脑干听觉诱发电位信号，表明这种信号经正交小波变换后，不但能够利用近似信号更简单准确地得到传统判别参数，而且能够利用不同尺度细节信号提取出原始信号在不同频带的能量之比为有效的新判据     

小波变换在滤除心电中工频干扰的应用

人体的心电信号由于其幅度低和频率低而易受到各种干扰的影响,本文介绍了利用小波变换来滤除心电信号中的工频噪声。处理过程是采用小波变换将原始心电信号分解成不同频段下的细节信号,再对各种细节信号进行加权处理,再重建心电信号,就能实现心电信号中的工频干扰的消除。从实验结果来看,本方法简单实时,且效果明显,为心电数据的进一步处理奠定了良好的基础。     

小波变换和小波提升在胃电信号处理中的应用

本文介绍了小波基函数的定义、构造和小波提升。并将小波变换和小波提升应用于胃电(EGG)信号处理中。通过对信息熵、信号能量和联合熵等滤波后的信号特征进行分析,介绍了小波基函数的一般评价选择方法。为了验证评价方法的合理性,实验中采用了不同的小波基函数进行实验数据处理和信号滤波。通过小波变换和小波提升对EGG信号进行了滤波,分离了EGG快、慢波频段信号。并通过实验数据验证了小波变换和小波提升方案的合理性和EGG滤波算法的有效性。为胃的疾病诊断和测量提供了一个有效的解决工具和测量方法。     

基于小波变换和感兴趣区域编码的ECG压缩方法

提出了一种基于小波变换和感兴趣区域编码的ECG压缩方法：首先使用正交小波变换对去均值处理后的信号进行多层分解。然后根据对原始信号特征提取的结果，找到感兴趣区域，进而找到与感兴趣区域对应的系数，视这些系数为重要系数而予以保留。对非感兴趣区域系数从小到大排序，根据目标PRDBE（Percentage Rootmean-square Difference with Baseline Eliminated）指标，计算该区域系数阈值并阈值化。通过扫描所有小波系数得到重要系数图。最后对重要系数进行标量量化。对重要系数图进行RLE（Run Length Encoding）编码，并使用Huffman编码进一步提高压缩比。使用MIT／BIH心律失常数据库测试表明。本方法在最大程度保存诊断信息，获得好的信号质量的同时，也获得了基本满足实际应用需要的压缩比。     

基于小波变换与形态学运算的ECG综合检测算法的研究

针对心电波形检测中小波变换算法的缺点 ,在 ECG特征点检测中 ,将原始信号在 3尺度上的 haar小波分解的细节信号模极大值对检测法与数学形态学峰谷检测相结合 ,提出了一种新的心电波形特征点综合检测算法 ,该算法弥补了小波变换算法对信号振幅检测上的不足 ,有效地提高了心电信号特征点检测的准确度。     

基于小波包变换的特征提取方法分析fMRI数据

多尺度特征提取(MFE)利用时频特性各异的小波变换尺度分割fMRI数据的频谱,藉此准确提取激活信号和去除干扰。但在多尺度分析中,小波包变换较小波变换分割频带更精细,因此更适合MFE分析fMRI数据。为此,基于小波包变换构建新的MFE,并设计小波包的矩阵算法代替逐体素的迭代算法快速提取激活信号,后用相关分析进行检测。分析听觉fMRI试验数据的结果表明,新MFE检测的激活区位置与原有MFE和国际权威方法统计参数图(SPM8)检测的位置相同,但检测的激活体素个数较原有MFE多13.2%,较SPM8多30.8%。而且新MFE采用矩阵算法分析听觉数据仅消耗31 s,采用逐体素迭代算法耗时48.5 min,SPM8耗时77 s。因此,小波包变换和矩阵算法赋予MFE更好的性能分析fMRI数据。     

基于小波变换算法的12导联同步心电图计算机辅助波形测量标定系统

研究了基于小波变换的心电波形识别算法，设计了12导联同步心电图计算机辅助分析系统，方便了临床医生对心电图波形的测量和标定。提高了心电图计算机自动识别的准确率和正检测率。     

基于小波变换的心室晚电位神经网络检测

本文采用小波变换和频谱标测技术从信号平均心电图中提取一组含有晚电位信息的比值持征参数,利用人工神经网络BP算法,完成对心室晚电位的检测.研究结果表明,采用神经网络检测晚电位的方法不仅具有较高的检测正确率,而且可以放松对信号平均心电图分析时段选取及QRS终点定位准确度的要求.     

基于小波变换的R波检测算法

介绍了一种将小波变换应用于ECG信号检测R波的算法。该算法主要是在离散小波变换和多分辨率分析原理的基础上，利用db1小波特有的时频域特性，运用Mallat快速算法对心电信号进行了3层小波分解，分别在2、3层小波分解的高频系数中选择一定的阈值作为R波的判定条件，实现R波检测。通过对MIT／BIH（Massachusetts Institute of Technology／Boston’s Beth Israel Hospital）心电数据库的R波检测，结果表明，该检测算法即使在噪声干扰和病态的情况下，也很容易实现对R波的准确检测和精确定位，具有相当高的定位精度，R波正确检测率高达到99．8％。     

基于小波变换和矢量量化的二维ECG数据压缩算法

本研究针对心电数据的压缩问题,提出了一种新的基于小波变换的二维心电（ECG）数据压缩算法。该算法首先将一维原始ECG信号转化为二维序列信号,从而使ECG数据的两种相关性可得到充分地利用;然后对二维ECG序列进行小波变换,并对变换后的系数应用了一种改进的矢量量化（VQ）方法。在改进的VQ方法中,根据小波变换后系数的特点,构造了一种新的树矢量（TV）。利用本算法与已有基于小波变换的压缩算法和其他二维ECG信号的压缩算法,对MIT/BIH数据库中的心律不齐数据进行了对比压缩实验。结果表明：本算法适用于各种波形特征的ECG信号,并且在保证压缩质量的前提下,可以获得较大的压缩比,具有一定的应用价值。     

小波变换理论与生物医学信号的处理

本文首先分析了新的时频分析理论——小波变换理论的优良时频特性，并与窗口傅里叶变换的时频特性作了比较；又对小波变换理论在生物医学信号处理中的应用进行了评述；最后对小波变换理论及在生物医学信号处理中的应用作了简要展望。     

用小波变换方法定量分析多组分溶液的吸收光谱

用小波变换的方法分析多组分溶液的吸收光谱,可以没量多组分混合淀粉 中各组分的含量。我们只需知道待测量组分的标准吸收光谱和混合溶液的吸收光谱,而不必知道其它的组分和噪声性质,也不必用物理或化学的方法将待测组分从混合物中提出出来,利用小波变换的时频特性和多尺度的性质,在一个合适的尺度下,可以准确地测量待测量组分的浓度而抑制其它发的影响。用同样的方法,可以将混合物中所有已知组分的浓度计算出来。也就是说。     

一种用小波包变换提取眼电信号警觉度特征的方法

警觉度是指人集中注意力执行某项任务时所表现出的灵敏程度。为保证生产安全,很多岗位需要对工作人员的警觉度进行估计和预测,如高铁司机和危险品运输司机等。基于脑电和眼电等生理信号的警觉度估计与预测是警觉度研究的一个重要方向,如何提取眼电信号中的警觉度特征是该研究的核心问题之一。本研究应用小波包变换方法从水平眼电中提取不同频段能量的比值,以期找出高相关度的警觉度特征。探讨了水平眼电中16种不同的低高频分段的能量比特征,对特征分别进行了移动平均和线性动力系统去噪处理。实验表明,分段为(0～1.50 Hz)/(1.50～31.25 Hz)的能量比值与警觉度的相关系数最高。35组实验的相关系数平均值为0.742,标准差为0.151,比已有的慢速眼动、快速眼动以及眨眼等11种特征中最好特征的相关系数平均值提高了5.55%,标准差降低了6.62%。