基于希尔伯特黄熵的麻醉深度估计

麻醉深度监测是外科手术中必不可少的步骤之一。目前已经提出多种监测麻醉深度的脑电信号分析方法,尤其熵方法得到了广泛的关注。提出一种新的麻醉深度监测方法-希尔伯特黄熵,先用经验模态分解—希尔伯特黄变换处理脑电信号获取希尔伯特黄边际谱,再根据香农熵定义得到希尔伯特黄熵。对19个接受吸入药物七氟醚麻醉的病人脑电信号的希尔伯特黄熵和时频均衡谱熵进行计算、测试和比较,结果表明：希尔伯特黄熵能够更准确的区分麻醉和清醒状态,更适合于麻醉深度监测。     

基于小波变换的小鼠QRS复合波检测

采用二进小波变换与斜率和幅度相结合的方法，对小鼠QRS复合波进行检测。根据小鼠QRS复合波的特点，采用Daubechics小波为母函烽，按照ECG的频谱特点选用尺度因子，对有噪声污染和形态变异的QRS复合波进行了检测。结果表明：小波变换对小鼠QRS复合波的检测是一种有效的方法。     

MRI刚性平移运动模糊图像建模与恢复

磁共振成像过程中,患者的轻微运动可产生运动伪影。运动伪影会使MR图像模糊,从而影响医生对病灶区域的准确检测。传统抑制运动伪影的方法大多基于运动模型已知的情况下,忽略频率编码期间产生的运动,对K空间数据进行处理达到修正伪影的目的。本研究针对任意的刚性平移运动可由无数的匀速直线运动复合而成的特点,建立了匀速直线运动模糊图像的数学模型,并尝试在图像域内用状态空间的方法和Hough变换的理论进行处理,对小幅度水平匀速运动模糊图像的修正取得了满意的结果。在处理任意方向的匀速直线运动时,由于谱线在旋转时不可避免地进行近似插值处理,虽然校正后的图像也有较大的改善,但还有待进一步研究。另外,对较大幅度水平匀速运动模糊图像的修正,还需要寻求更好的方法来准确估计谱线中相邻暗线之间的距离。通过上述理论及实验的分析验证可以看出,本研究所提出的方法对处理MRI运动模糊图像的研究有一定的理论意义。     

基于小波变换的心电信号基线矫正方法

本文介绍一种基于小波变换的心电信号基线漂移去除方法。该方法利用小波变换多分辨分析的特性,将含噪声及基线漂移心电信号进行多尺度分解,结果表明,某尺度下的分解信号较好地反映了心电信号基线漂移,在重构过程中可直接将其去除。     

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。     

保持形状特征的自适应轮廓点采样算法

在三角形贴面表面重建中，选择轮廓线上哪些点作为重建点，一方面决定重建的质量，另一方面决定重建的速度。本文提出了一种保持形状特征的变分辨率轮廓点采样算法。首先，建立了本算法的数学模型，我们认为离弧对应的弦距离最大的点可作为一个形状特征点。其次，利用二叉树数据结构递归实现了该算法。本算法具有保持轮廓形状特征、根据形状复杂度自适应决定采样频率、编程简单等优点。     

基于分段门限采样的心电图数据变换压缩算法

作者根据心电图的特征,提出基于分段门限采样的心电图数据变换压缩算法。首先对心电图进行分段正交变换,变换后根据能量保留比确定门限,用门限采样选择变换域的保留系数,实现心电图数据压缩;最后根据存盘的保留系数和位置信息重建心电图。并对余弦变换和沃尔什变换压缩的结果进行分析研究。     

基于小波变换和拉普拉斯算子的细胞图像边缘检测方法

目的：介绍一种基于小波变换和拉普拉斯算子的血液细胞图像边缘识别方法。材料和方法：取正常人血样5mL。制成血液细胞图片12片，对血图像进行预处理后，利用小波变换的多分辨率特性滤除细胞图像中的干扰成份。根据血液细胞边缘附近的灰度分布梯度较大的特点，采用拉普拉斯算子及双阈值法对其进行边缘检测和识别。结果和结论：实验结果表明，结合小波变换和拉普拉斯算子的边缘提取算法对血液细胞图像边缘提取有良好的效果．为下一步对血液细胞的形态学分析、分类和识别提供了新途径。     

引入关联维的表面肌电信号的特征提取

考虑到表面肌电信号的非平稳特性,本研究在传统特征提取的基础上,又引入了非线性动力学中的关联维,通过小波系数的标准差和关联维重新构造特征向量,将其送入自组织映射网络对拇指弯曲、食指弯曲和无名指弯曲三种手势动作进行分类识别。结果表明:引入关联维的特征提取方法其识别正确率明显优于传统的小波变换的方法。可见,关联维作为一种新的特征参数,为肌电信号的特征提取提供了新的思路。     

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。