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。     

心音的非线性时间序列分析

本文通过非线性时间序列分析的方法来分析心音时间序列，获得有关冠状动脉堵塞的血液动力学特征信息。对结果进行统计分析后，冠状动脉堵塞患者的心音与正常人相比在动力学特征上是具有显著性差异的。而且对于正常人来说血液动力学特征有标度的性质，而冠状动脉堵塞的，没有明显的标度性质。这有助于冠状动脉堵塞的无创检测。     

基于非线性时间序列法研究人体步行稳定性

目的应用非线性时间序列分析方法,研究健康老年与青年志愿者的步行稳定性,为更全面评估人体的动态平衡、预测跌倒风险提供重要依据。方法应用VICON运动捕捉系统,采集肌骨系统健康志愿者(7名老年和10名青年)在不同步速(80%、100%1、20%自然步速)下的运动学数据,提取志愿者在30个连续步态周期中,第7颈椎和第10胸椎在前后和左右方向上的位移,以及下肢各关节屈曲伸展和外展内收运动角度,计算位移和运动角度变化的最大Lyapunov指数,比较分析老年与青年组之间步行稳定性差异,以及步速对人体步行稳定性影响。结果青年组步行稳定性优于老年组,并在某些运动节段呈现显著性差异(P<0.01);老年和青年的步行稳定性随步速增加而降低(P<0.05)。结论应用非线性时间序列分析方法中的最大Lyapunov指数,能有效并定量地评测人体步行中各运动节段的稳定性。     

基于独立成分分析和量子粒子群算法的胎儿心电提取

胎儿心电图(FECG)是反映胎儿心脏电生理活动的一项客观指标,获取的FECG受到母体心电图(MECG)的干扰,如何快捷、有效的提取FECG成为重要的研究课题。在非侵入方式下,FECG的提取算法中独立成分分析(ICA)算法被认为是效果最好的方法,但现有求解其分解矩阵的算法收敛性能都不太高。量子粒子群(QPSO)算法是一种收敛于全局的智能优化算法。因此,提出了一种结合QPSO的ICA方法。研究结果表明,与其他在非侵入方式下的主要提取算法相比,这种方法能更清晰准确地提取出有用信号,为胎儿的健康检测提供了更好的方法。     

基于自适应线性神经网络的胎儿心电信号提取

胎儿心电信号提取对胎儿监护具有重要意义。本文介绍了一种基于自适应线性神经网络的胎儿心电信号提取方法。该方法根据母体心电信号与母体腹部信号的相关性原理,以母体心电信号为网络输入,母体腹部信号为网络目标,采用W-H学习方法获取的训练误差即为提取出的胎儿心电信号。此外,通过增加网络隐含层,对神经网络的结构进行改进,增加网络训练精度,从而得到更好的训练结果,提取出更易识别的胎儿心电信号。最后分别使用仿真数据和临床数据对上述方法进行测试,实验结果表明,利用自适应线性神经网络可以提取出胎儿心电信号,通过改进神经网络结构,可以提取出更为清晰的胎儿心电信号。     

基于独立成分和小波分析的胎儿心电提取

背景：在胎儿心电信号的采集过程中,会受到母体和其他噪声的强干扰,如何快捷与有效地提取出胎儿心电将成为重要的研究课题。 目的：采用结合独立成分分析和小波分析的方法对来自于同一母体的观测信号进行独立分量分离,得到有效的胎儿心电。 方法：结合独立成分分析和小波分析的算法进行胎儿心电的特征提取,首先对含噪信号进行小波变换,去除奇异信号和非平稳随机信号,然后对小波重构后的信号运用快速独立成分分析算法进行成分分析。 结果与结论：在胎儿心电信号的采集过程中,会受到母体和其他噪声的强干扰,但这些信号都是随机的,不相关的,可以认为它们间是相互独立的。采用结合独立成分和小波分析的方法对来自于同一母体的观测信号进行独立分量分离,得到有效的胎儿心电。实验证明该方法是一种有效的方法。     

基于局部非线性投影滤波算法的ECG信号处理

含有一定强度干扰的混沌系统可以通过局部非线性投影的方法逼近其吸引子。单导心电信号（ECG）在时间延迟嵌入空间中表现出一定的几何结构,包含其它成分的ECG可以在一个较高维的空间得到没有交叠的状态轨迹。利用局部非线性投影法可以逼近ECG的一个低维吸引子,从而将ECG和其它成分分离。     

一种基于单通道腹部信号的胎儿心电提取算法

设计一种基于单通道孕腹部信号的胎儿心电提取算法,分别提取出母亲心电和胎儿心电,并计算出母亲心率和胎儿心率。首先对单通道孕腹部信号进行k-TEO(k=19)变换,突出母亲心电的QRS波,从而通过简单的阈值法确定母亲心电的R波位置,接着通过在相邻R波间重采样以获得相同的R-R间期T,这样经过一个间隔为T的梳状滤波器就可以分离出相同R-R间期的母亲心电,然后再一次在相邻R波间进行重采样恢复原来的R-R间期就可以获得实际的母亲心电了。原始腹部信号减去上面提取的母亲心电后,胎儿心电QRS波的信噪比大大提高,通过再次应用提取母亲心电的算法即可得到“干净”的胎儿心电波形。选取Physionet数据库中的8 组(26 通道)孕腹部信号数据进行分析,计算每个通道数据的胎儿心电QRS波位置识别灵敏度、阳性检测率和准确性。结果表明,胎儿心电QRS波的识别准确率达到87.1%,其中有6 个通道达到100%。另外计算每个通道的母亲心率和胎儿心率并做统计分析,发现每一组中各个通道的母亲平均心率和胎儿平均心率都非常接近,同一组中各通道间母亲平均心率最大误差为0.1次/min, 而胎儿平均心率最大误差也只有0.9次/min,进一步证明算法的可靠性。     

基于盲信号分离的胎儿心电提取

本文提出了用盲信号分离提取胎儿心电的方法。首先研究了孕妇心电导联的特性 ,然后在此基础上设计了一个胎儿心电实时监护系统。由于使用了实时的盲信号分离算法 ,胎儿心电可以实时的被提取。一些试验结果表明该系统是有效的     

基于相关分析的fMRI时间序列图像处理

脑与认知科学研究中,对功能磁共振图像的分析,不仅要求脑功能激活区的准确定位,而且要得到脑激活区的动态变化。提出了通过对激活区体元时间序列的分解,构造序列参考波形,用相关分析法检测识别每个时间周期的激活类型,得到脑功能激活区的动态变化图像、生理信号变化时间及信号强度曲线。经视觉试验实测数据建模并检验,该方法可有效检测fMRI数据中与试验密切相关的脑激活区及其周期性变化。     

基于快速定点独立分量分析算法的母胎心电信号分离

研究快速定点独立分量分析方法在母胎心电信号分离中的应用。采用此算法,在胎儿心电信号与母体心电信号可以视为相互独立的信号源的前提下,对来源于同一孕妇的观测信号进行独立分量分离。快速定点独立分量算法可以有效地分离出单个独立分量,得到的胎儿心电信号(FECG)较理想。采用独立分量分析方法,实现母胎心电信号分离,是一种值得尝试的信号处理方法。     

Nonlinear Analysis of Physiological Time Series

The heart rate variability could be explained by a low-dimensional governing mechanism. There has been increasing interest in verifying and understanding the coupling between the respiration and the heart rate. In this paper we use the nonlinear detection method to detect the nonlinear deterministic component in the physiological time series by a single variable series and two variables series respectively, and use the conditional information entropy to analyze the correlation between the heart rate, the respiration and the blood oxygen concentration. The conclusions are that there is the nonlinear deterministic component in the heart rate data and respiration data, and the heart rate and the respiration are two variables originating from the same underlying dynamics.     

基于奇异值降维的胎心电盲分离方法

目的：胎心电是监护胎儿健康,降低围产期胎儿发病率和死亡率的重要手段。临床中多用间接法从孕妇的腹心电中获取胎心电。由于胎心电幅值较小,常被母心电和噪声掩盖,所以从孕妇的腹心电中分离出胎心电仍是诊断学难题。本文提出基于奇异值降维的胎心电盲分离方法从孕妇的心电图中有效分离出胎儿心电图。方法：临床中获取的孕妇心电信号数目较多,常为12、15、18导联。从获取的孕妇心电信号中,选取全部的腹心电和一路胸心电进行处理。如果信号中存在基线漂移,先用高通滤波器去除基线漂移,然后设置适当参数对信号进行奇异值分解降维,以便在充分保证信号信息量的前提下,降低盲分离的复杂度,减少信号的相关度,最后对降维后的信号进行盲分离处理。结果：用本文提出的方法对DaiSy数据库中的孕妇心电数据进行处理,结果表明,本文方法能有效的从孕妇心电信号中分离出胎心电。结论：从孕妇腹心电中分离出胎心电,进而对胎儿健康进行监护是一种可行的并且真正对胎儿无损的监护方法。本文提出的在盲分离前先进行奇异值降维的方法可降低盲分离的复杂度并提高分离精度。     

Fetal heart rate monitoring based on independent component analysis

In this paper, an algorithm based on independent component analysis (ICA) for extracting the fetal heart rate (FHR) from maternal abdominal electrodes is presented. Three abdominal ECG channels are used to extract the FHR in three steps: first preprocessing procedures such as DC cancellation and low-pass filtering are applied to remove noise. Then the algorithm for multiple unknown source extraction (AMUSE) algorithm is fed to extract the sources from the observation signals include fetal ECG (FECG). Finally, FHR is extracted from FECG. The method is shown to be capable of completely revealing FECG R-peaks from observation leads even with a SNR=-200dB using semi-synthetic data.     

两导心电信号独立分量分析算法的研究

根据独立分量分析(ICA)理论,要想在观测信号中提取出独立分量,观测信号的数目必须大于或等于独立分量的数目,因此要求采用ICA算法的胎儿心电图机导联数必须大于一定数目,但在实际应用中常常难以满足这个条件。故本文提出了一种基于少数导联心电(ECG)信号的胎儿心电(FECG)提取算法,结合FECG和自适应噪声抵消算法,从两导采集于孕妇腹部体表的ECG信号中提取FECG。实验表明,该方法能够获得清晰的FECG信号。     

用联合熵分析短时心率变异信号的非线性动力学复杂性

用联合熵方法来分析短时心率变异性信号,该方法可以有效地从短时心跳间期信号中提取出动力学信息,从而反映心率变异性的强弱,为临床应用提供了方便。我们首先介绍联合熵基本理论,用低维的混沌序列进行了检验,证明该方法有效。然后将其应用于人体短时的心跳间期时间序列,该方法可以揭示复杂生理信号所具有的动力学特征以及衰老和疾病所伴随的非线性动力学复杂性的丢失和降低的个体自适应能力。最后,用联合熵方法来考察短时心率变异性信号的非随机性程度,该方法可以有效的揭示心室对心室纤维性颤动响应的非随机模式。     

基于RLS-ANC自适应滤波的FECG信号提取方法

本文应用RLS-ANC(recursive least squares adaptive noise canceⅡation)自适应滤波方法提取胎儿心电(FECG)信号.该方法采用RLS-ANC自适应滤波消除母亲心电,提取胎儿心电信号.实验结果表明,本方法适应非平稳信号的能力强,收敛速度快,提取效果好于NLMS(normalized least mean squares)算法.     

一种基于心拍筛选的心电波形参数的测量方法

在计算心电的波形特征(如幅度、时限等)时,通常所有心拍都参与计算,但低信噪比的心拍实际上起了负面效应。本文提出了通过模板法筛选高信噪比的心拍来计算波形特征的一种方法。通过KL模板和均值模板的比较,发现无论是实时性还是准确性方面,均值模板都较KL模板更具优势。实验证明,本文方法提高了心电波形参数的统计精度。因此,该方法使得心电自动分析的结果更加准确可靠。