噪声中EP信号的提取算法及研究进展

诱发电位的提取是脑电信号处理领域的前沿课题近年来 ,通过少次甚至单次试验提取诱发电位已经成为研究的主流。本文对近年来提取诱发电位的信号处理方法进行了简要的回顾 ,并分别从小波变换、神经网络、高阶累积量、独立分量分析等四个方面对算法进行了介绍     

瞬态诱发耳声发射信号的小波阈值去噪

目的瞬态诱发耳声发射信号是从人的外耳检测到的微弱的音频能量,在测试过程中常混入各种随机噪声,本文尝试对瞬态诱发耳声发射信号进行去噪,以提高信号的信噪比,为进一步的临床应用(如频谱分析)奠定基础.方法小波变换阈值法.选用了sym8小波,软阈值处理方法,阈值选取规则为Minimax法.结果去噪后相关系数加大,信噪比提高.信噪比平均提高约10%.结论小波变换阈值法对TEOAE信号去噪取得了较好的效果.     

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。     

听觉诱发电位提取方法的研究与分析

论述了运用小波变换进行听觉诱发电佗单次提取的原理、方法和实验分析。结果表明，对单次试验信号，经小波变换及相关分析后，可从带自发脑电干扰的信号中提取诱发电位信号。小波变换分析方法与传统的叠加平均方法相比，可减少试验次数，缩短检测周期。     

小波变换在医学图像压缩中的应用

目的：探讨利用小波变换进行医学图像压缩的方法。方法：通过小波变换对图像进行时频局部化分析，将图像分解到多个尺度上。进行多分辨分析。然后对变换后的子图像的小波系数特点进行了分析，讨论了其适用于图像压缩编码的特性和优势。嵌入式零树小波图像编码算法是一种有效的图像压缩方法。在分析嵌入式零树小波图像编码算法的基础上，针对传统嵌入零树小波编码方法存在的不足之处，提出了一种改进的零树小波编码算法。结果：在获得较大压缩比的同时能保证医学图像的重建质量，可以较好地满足PACS对医学图像存储和传输的要求。结论：仿真实验表明，本方法是一种有效的医学图像压缩方法。     

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。     

结合QRS检测和小波阈值的膈肌肌电信号降噪方法

为了消去夹杂在膈肌肌电(EMGdi)信号中的心电干扰,在比例阈值算法的基础上,提出一种结合QRS检测和小波阈值的降噪方法.首先,根据小波系数的相关性构造QRS波群的检测方法,分析确定干扰的位置和范围;其次,将小波系数分为受干扰和未受干扰两部分,并构造相应的阈值算法,针对性地处理受干扰系数,以未受干扰部分系数作为阈值算法构造的依据;最后,重构处理后的小波系数,得到降噪后的EMGdi信号.对临床采集信号的处理对比表明,该方法能够更为有效地去除心电干扰,并更好地保留EMGdi的有用信号.     

基于提升小波变换和SPIHT的医学图像编码算法

目的:探讨一种基于提升小波变换和多级树集合分裂算法(set partitioning in hierarchical trees,SPIHT)的医学图像编码算法。方法:针对传统小波浮点数运算,计算量大的缺点,采用提升格式小波,结合多级树集合分裂算法和算术编码,实现对医学图像的编码。结果:在获得较高压缩比的情况下,能保证医学图像的重建质量,满足医学图像数据的存储和传输的需要。结论:仿真结果表明在相同压缩比的情况下,重建图像的峰值信噪比有明显提高,获得了较好的压缩效果。     

基于Zadeh-x变换的法医学底层图像挖掘

目的:利用Zadeh-x变换对法医学中在恶劣的条件下获得的、被强背景干扰掩埋人眼无法辨认而实际却存在的图像信息进行底层图像挖掘,为法医学提供尽可能清晰的图像特征信息作为物证.方法:利用VC++编程实现Zadeh-x变换(Zadeh-x transformation)对法医学图像资料中背景与目标图像信息有差异的底层图像进行挖掘.结果:通过与传统算法如直方图均衡化比较,实现了对暗背景、电泳图、车标和衣服等图像中隐藏信息的特征提取.结论:Zadeh-x变换的方法具有较强的提取图像隐藏信息的能力,其处理结果明显优于直方图均衡化,甚至可以处理用直方图均衡化无法处理的图像信息.     

山奈挥发油的红外光谱法与气相色谱质谱分析

目的分析山柰饮片挥发油的化学成分与指纹图谱，以控制其质量。方法用水蒸气蒸馏法提取挥发油后，采用傅立叶变换红外光谱法（FTIR）和气相色谱-质谱法（GC—MS）分析。结果在10批山柰挥发油的FIIR图谱20个峰中有17～19个共有峰；GC—MS分析每个样品鉴定了37～44种化学成分，特征成分均为对甲氧基桂皮酸乙酯（反式57．3％～78．7％，顺式0．7％～3．4％）、反式桂皮酸乙酯（9．8％～19．5％）、正十五烷（6．9％～17．1％）、3-蒈烯、8-十七碳烯、龙脑、莎草烯，这8种成分共约占挥发油总成分的94．1％～98．2％。结论FTIR能准确地鉴别山柰，GC—MS法能以特征成分为指标精确地控制山柰饮片的质量。