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，主要是通过对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.     

心电信号的小波变换滤波算法的改进

对心电信号的滤波算法进行了改进。在利用小波变换实现心电图信号滤波算法的基础上，增加了对2^3尺度下小波分解所得细节信号的模极大值对的检测功能，以修复因滤波受损的心电信号的QRS波。经MIT／BIH标准心电数据库验证，试验表明，该方法行之有效。     

基于小波变换的心电信号准无损压缩算法

提出了基于小波变换的心电信号准无损压缩算法。在对原始信号进行一级小波分解的基础上，根据高频分量和低频分量所占位数的不同分别进行无损压缩。实验结果表明该方法失真度非常小，而且算法简单，运算速度快。     

基于子波变换的心阻抗血流图的特征提取

本语文介绍了一种利用子波变换对心阻抗血流图的特征点进行检测的方法，即主要是通过把信号在多个尺度上分解，在感兴趣的尺度上找到模极值点和特征点的对应关系从而完成对特征点的自动检测，同时本文对于波时／频窗的自适应性进行了直观的说明，并对子波变换的波波器组解释和算法实现给予讨论。经过临床实验表明，该方法准确性高，有一定实用价值。     

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。     

小波变换在心电图QRS波检测中的应用

作者利用信号的小波变换在多尺度边沿上的综合特性，提出了一种新的ＱＲＳ波检测法。有要用Ｍａｌｌａｔ快速算法获得原始ＥＣＧ信号在不同尺度上小波分解信号，将含有大部分高频ＱＲＳ波在多尺度上的分解信号送和一个线性自适应匹配滤波器，匹配滤波器的输出用于检测Ｒ波的位置。对ＭＩＴ数据库中的数据进行了检测，Ｒ波的检测率可达９９．８％。     

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。     

用于ECG信号检测与重建的双正交样条小波滤波器

本文依据双通道滤波器组的理想重建议程。设计一组双正交样条小波滤波器,实现了ECG信号的小波分解、完全重建和去噪重建,并把它应用于ECG信号的R波检测,得到了较好的结果。经MIT/BIH标准心电数据库检测验证,R波正确检测率可达99.62%。     

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。     

ECG信号小波变换与峰谷检测算法的研究

本文在ECG信号检测过程中，将ECG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与数学形态学峰谷检测相结合，提出了ECG信号小波变换与峰谷检测算法，该算法弥补了小波变换算法对ECG信号时域特征检测的不足，有效地提高了ECG信号检测的准确度。     

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。     

心电信号的小波变换滤波算法的改进

对心电信号的滤波算法进行了改进。在利用小波变换实现心电图信号滤波算法的基础上，增加了对2^3尺度下小波分解所得细节信号的模极大值对的检测功能，以修复因滤波受损的心电信号的QRS波。经MIT/BIH标准心电数据库验证，试验表明，该方法行之有效。     

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。