基于DSP的远程监护终端系统的研究

阐述一种基于DSP的远程家庭监护终端的程序设计。包括心电的采集，用小波变换完成QRS波的检测，最后将心电波形数据和检测结果通过互联网传输到医院的心电服务器上。     

A mixture of experts network structure for modelling Doppler ultrasound blood flow signals

Mixture of experts (ME) is a modular neural network architecture for supervised learning. This paper illustrates the use of ME network structure to guide modelling Doppler ultrasound blood flow signals. Expectation-Maximization (EM) algorithm was used for training the ME so that the learning process is decoupled in a manner that fits well with the modular structure. The ophthalmic and internal carotid arterial Doppler signals were decomposed into time-frequency representations using discrete wavelet transform and statistical features were calculated to depict their distribution. The ME network structures were implemented for diagnosis of ophthalmic and internal carotid arterial disorders using the statistical features as inputs. To improve diagnostic accuracy, the outputs of expert networks were combined by a gating network simultaneously trained in order to stochastically select the expert that is performing the best at solving the problem. The ME network structure achieved accuracy rates which were higher than that of the stand-alone neural network models.     

基于离散小波变换提取脑机接口中脑电特征

在脑机接口中，针对脑电特征提取利用单一种类信息、使用数据量大、分类性能较差等缺点，提出一种新颖的基于离散小波变换的方法。分析了小波变换特征提取的特点和特征表示方式，用Daubechies类db4小波函数对脑电信号进行6层分解，抽取小波变换各子带关键的部分逼近系数、小波系数、小波子带系数均值组成特征向量。以分类正确率为指标检验了提取特征的性能。实验结果表明，这种方法能够利用少量数据提取脑电信号本质特征，具有较高的分类性能，为利用脑电识别人的不同意图提供了快速而有效的手段。     

基于自适应小波神经网络的心电图检测法

自适应小波神经网络检测法就是利用小波函数取代通常神经网络中隐层的作用函数来实现的，通过网络的学习自适应地调整尺度参数和时移因子，提高了特征提取能力，因此，该网络可提高心电信号的检测率和可靠性。     

自适应提升小波用于心电信号除噪

人体心电信号随着检测状态及时间的变化显示出明显的非平稳性并伴随着大量的干扰信号.提升小波能很好的对心电信号进行时频定位,并且其运算速度比传统小波高出许多.本研究以提升小波变换为基础,构造了一种基于尺度的自适应提升小波,用它对心电信号（ECG）进行分解,使不同频带的信号显示在小波分解的不同尺度上,并在信号重构时利用一种新的阈值方法去除不同尺度上的干扰信号,从而获得较精确的心电波形,为心电信号的进一步处理奠定了基础.     

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。     

基于自由变形法的多模态医学图像的配准与融合

本研究提出了一种自动识别颈部PET-CT图像特征点的算法，它应用自由变形（FFD）方法以CT图像的特征点为参考使PET图像产生变形，再结合最大互信息法对颈部PET与CT图像进行非刚体配准，最后用改进的小波图像融合法把两者进行融合得出视觉效果比较理想的融合图像。经实际计算得出的变形PET图像与对应CT图像的互信息量大于原始PET图像，并且最后用改进的小波图像融合法得出的融合图像的信息量比一般小波融合大，由此证明本研究所用方法是有效的。     

基于小波包变换的数字水印方法

提出了一种基于小波分析的盲图像水印方法,本方法.利用小波包分解在图像和音频文件中构造信息冗余,嵌入的水印为二值图像,提取时不需原始信息和水印信息.对比试验结果证明,该方法能够抵抗常见的水印攻击,在经过加噪、平滑、缩放和压缩等信号处理后仍能保持稳健.     

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。     

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。