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.     

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。     

基于变分模态分解的心电信号QRS波检测

为了解决含噪心电信号QRS波的提取问题,本研究提出了一种基于变分模态分解(variation mode decomposition,VMD)的心电信号QRS波群检测和定位的方法。首先确定合适的分解层数,利用变分模态分解将心电信号分解为一系列模态分量。对每层模态分量进行分析,选取含有QRS波的模态分量层。通过小波变换的奇异值检测原理,确定心电信号的奇异值,定位心电信号R波的峰值位置,再检测QRS波的波形宽度。实验证明了该方法对含噪的QRS波检测准确度在96%以上,能够准确的检测和定位心电信号QRS波。     

基于EMD的左右手运动想象脑电信号分析研究

基于经验模态分解(EMD)理论,提出一种左右手运动想象脑电信号分析方法.首先利用时间窗对脑电信号数据进行划分,对每段数据通过经验模态分解法将其分解为一组固有模态函数IMF,提取主要信号所在的IMF层去除信号中的噪声.对含有主要信号的几层IMF进行Hilbert变换,得到瞬时频率与对应的瞬时幅值.再提取左右手想象的特定频段mu节律和beta节律的能量信号作为特征,分别利用支持向量机(SVM)和Fisher进行了分类比较.对EMD和小波包在去噪和特征提取进行了比较.结果表明,EMD是一种很有效的去噪方法,经过EMD分解后提取的能量信号在区分左右手想象上更具有优势,识别率高.     

基于经验模态分解自适应滤波的胎儿心电信号提取

目的提出了一种基于经验模态分解自适应滤波的胎儿心电信号提取法。方法首先利用经验模态分解算法对孕妇腹部信号进行分解得到一组内模函数(IMF),然后将这组IMF作为自适应滤波器的主输入信号,并将孕妇胸部信号作为参考输入信号。通过学习算法自适应组合IMF,滤除母体心电信号成分,从而提取胎儿心电信号。结果与结论基于仿真和临床的实验结果表明,该方法提取的胎儿心电信号误差小,性能优于传统的最小均方和归一化最小均方自适应滤波算法。     

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.     

EMD及其在生物医学信号处理中的应用研究

介绍了一种适用于生物医学信号处理与分析的方法——经验模态分解(EMD),结合Hilbert变换对心电(ECG)信号及心跳间期(RRI)信号进行了分析,并重点与小波变换方法进行了比较。     

基于经验模态分解和Hilbert变换的QRS综合波检测算法

提出一种新的有效结合经验模态分解(EMD)和Hilbert变换的QRS综合波检测算法。采用EMD将心电信号分解成一系列内蕴模式分量(IMFs),舍去对应于高频噪声的IMF1和IMF2,舍去对应于低频噪声的最后两个IMFs和趋势项,能有效地抑制高频噪声和基线漂移。将降噪后的信号进行Hilbert变换,得到对应的解析函数,利用其包络,进一步抑制高大P波、T波等对QRS综合波检测的影响,采用自适应阈值进行QRS综合波检测。经MIT-BIH Arrhythmia Database全部数据检测验证,平均正确检测率可达到99.78%,表明本算法具有较高的正确检测率和良好的抗噪性能。     

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。     

基于变分模态分解的肺音去噪算法

目的：为有效提高肺音信号质量,提出一种基于变分模态分解的肺音去噪方法。方法：首先利用经验模态分解对带噪肺音信号进行分解,根据本征模态函数特征确定最佳分解层数,然后根据分解层数对原始带噪肺音进行变分模态分解处理,接着根据皮尔逊系数选取有用模态,最后采用阈值方法对各模态函数去噪,重构后得到没有噪声干扰的肺音信号。结果：通过与维纳滤波和FIR滤波进行对比,本文方法的语音质量感知评价、短时间客观可读性和源信号失真比均更优。结论：本文方法能有效对肺音信号进行去噪处理。