基于平稳和连续小波变换融合算法的心电信号P,T波检测

P, T波的检测在临床上是心血管疾病诊断的重要依据。由于其波形能量低、形态复杂,极易受到噪声干扰,导致现有检测算法精度仍有待提高。该文提出平稳和连续小波变换融合算法检测P, T波,利用连续小波变换的多尺度信息,获取心电图(ECG)信号中P, T波主要成分,融合其平稳小波对P, T波候选段进行平滑处理,消除波形中锯齿状毛刺对峰值点检测的影响,最后对P, T波过零点进行时移修正,保证过零点还原到原始信号过程中能够准确对应其峰值点,从而提高P, T波检测精度。该文算法在MIT-BIH arrhythmic数据库上进行验证,最终P波的误差率、敏感度、正确预测度达到：0.23%, 99.85%, 99.90%;T波的误差率、敏感度、正确预测度达到0.27%, 99.85%, 99.87%。     

基于小波变换的自适应QRS-T对消P波检测算法

该文提出一种基于小波变换的自适应QRS-T对消P波检测算法。首先采用二进Marr小波的Mallat算法对心电信号作多尺度分解,在每个尺度下只保留超过一定阈值的小波模极大值点,其它点置零处理。在小波分解的3,4尺度下检测QRS波群,并根据心拍节律信息和QT间期,将QRS-T波群所对应的小波模极大值点进行自适应对消,最后对包含P波的剩余信号进行非线性放大,利用小波模极大值的自适应阈值检测方法定位P波。该方法经MIT-BIH心电数据库数据验证,取得了满意的结果。     

基于小波变换的QRS波群检测

提出了一种基于小波多分辨分析的算法,对心电信号进行特征提取和识别。通过小波变换对常规心电图信号进行分解去噪和特征提取,并利用动态自适应阈值和删除多检点,补偿漏检点对QRS波检测进行优化。实验结果表明该方法在QRS波形不失真的情况下,提高了一部分MIT-BIH数据库信号中QRS波识别的准确率,并且对于较低准确率的心电信号的原因进行了分析。     

基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷,提出一种利用平稳小波变换(Stationary Wavelet Transform)的心电信号消噪方法,对受噪声污染的心电信号进行多层平稳小波变换,逐层估计平稳小波变换细节信号中噪声的均方差σ_j,选取各层阈值σ_j 2lnn (n为细节信号长度),对平稳小波变换的各层细节信号进行分别阈值处理,然后进行小波逆变换重建信号,以达到对信号消噪和恢复的目的.这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象,较好地保持了心电信号的几何特征.     

基于EWT和结构特征提取的心电信号R波识别算法

R波作为心电信号中最明显的特征,常作为确定心电信号其他波段的重要依据.针对现有算法识别率低的问题,提出一种基于经验小波变换和信号结构特征的R波识别算法.首先利用经验小波变换对心电信号频谱进行自适应分割,在分割区间上构造合适的小波滤波器组提取出具有紧支撑的模态分量,然后对提取出的各模态分量进行频谱分析,找出R波对应的高频...     

基于生成对抗网络的动态心电信号QRS波检测

心电信号分析是预防心血管疾病的重要举措,QRS波的精确检测不仅是心电信号处理的关键步骤且对心率计算和异常情况分析具有重要作用.针对动态心电信号存在信号质量差或异常节奏波形导致常用QRS波检测方法精度较低的问题,本文提出了 一种基于生成对抗网络新型QRS波检测算法.该算法以Pix2Pix网络为基础,生成网络采用U-Net...     

基于小波变换的QRS波检测算法

针对基于小渡变换的心电信号QRS波的检测算法的计算量较大,硬件不易实现的问题,提出一种FPGA的实现方案.首先分析了利用小波变换检测QRS波群的算法,给出硬件实现方案,该算法由小波变换模块和检测模块两个模块实现.然后选取高端FPGA作为硬件处理平台,给出小波变换模块及波形检测模块具体实现结构.最后在Quartus Ⅱ下进行编译和仿真,完成心电信号检测算法的硬件实现.从综合后的资源占有率上可以看出系统充分利用了FPGA内部丰富的资源,从仿真的结果看出在FPGA系统上准确的检测出了QRS波.     

基于位置估计与识别后处理的心电信号P波检测

心电图中的P波是临床诊断中分析心律失常,判断心房病变的重要参考依据.但在心电信号的自动分析中,P波常由于特征不明显,形态、位置多变等原因,难以直接被准确检测.针对上述问题,本文提出了一种基于位置估计与识别后处理的P波检测算法.该算法根据ECG信号中QRS波群位置及RR间期信息,对P波位置进行估计,自适应确定P波检测区域;然后,对检测区域内心电信号进行移动窗口积分,通过搜索积分信号极值,检测出候选P波;最后,采用局部距离变换法提取出每一候选P波的边界点,并据此对该候选P波的幅值和时间宽度进行分析,识别出真实的P波,从而完成P波检测.经QT数据库和MIT-BIH心律失常数据库中真实心电数据验证,本算法适用于各种情况下可见P波的检测,且检测正确率高于98%.     

基于小波变换的局放信号检测与提取

为提高局放信号检测的准确度，确保电力设备故障诊断的有交性和可靠性，利用连续小波变换对背景噪声较强的的局放信号进行多尺度分解，在某些尺度下，使局放信号明显增强，用阀值比较就可以有效地检测并消除噪声干扰。实验和仿真结果表明，选取合适的小波函数就能有效地抑制噪声干扰并完成对局放信号的检测和特征提取。     

小波变换在心电信号去噪中的应用

文章根据coiflet小波在各个尺度上的不同的带通滤波特性,并利用小波变换多分辨的特点对心电信号进行滤波。文中通过软、硬阈值折衷函数及自适应阈值策略对MIT／BIH国际标准数据库中的ECG信号进行了处理与验证。实验结果表明,该算法能较好的抑制心电信号中的各类噪声干扰。     

多尺度小波包变换在弱信号检测中的应用

文章在双模噪声背景下,为了改善信号检测性能,利用多尺度小波包变换良好的时频局部分析能力对双模噪声中弱信号进行检测。理论分析和仿真结果表明,小波包检测系统不仅具有计算量小、算法比较简单和实时性较强的特点,而且比传统的高阶统计量和经典检测的检测性能都优越。     

基于小波包变换的双模噪声中信号的检测

以一类非高斯噪声———双模噪声为背景噪声,利用小波包变换良好的时频分析能力,对双模噪声的统计特性进行了研究,在此基础上,将经典最优检测器的结论推广到背景噪声为双模噪声的情况,提出了基于小波包变换的双模噪声中信号的检测方法。他是对传统的双模噪声中信号处理的完善与补充,仿真结果表明,该方法要明显优于经典检测。     

小波变换和支持向量机相融合的 ECG 身份识别算法

心电图信号(ECC)受到设备、检测者心情等影响,含有噪声且特征具有高维性,为了提高了身份识别的正确率,提前出一种小波变换和支持向量机相融合的 ECG 身份识别算法.首先小波变换对采集的心电图信号进行预处理,消除各种噪声;然后采用相关分析对 ECG 特征进行降维处理,消除冗余特征;最后将特征向量输入到支持向量机进行训练,建立基于 ECG 的身份识别模型.仿真结果表明,该方法提高了身份识别正确率和速度,有一种有效的身份识别算法.     

一种基于小波变换的信号恒虚警率检测方法

基于噪声和信号在不同尺度下的特性,引入小波域中噪声置信度概念,利用删除技术CM(Censored Method)估计小波域中的噪声功率水平,采用软阈值处理,提出一种信号恒虚警检测方法。理论分析表明该方法在高斯噪声背景下具有恒虚警率特性,对不同杂波背景下的信号处理结果表明了该方法的鲁棒性。     

基于小波变换的信号断点检测

小波分析是近15年来发展起来的一种新的时频分析方法,其在信号处理中有着广泛的应用。在很多情况下单单分析其时域或频域的性质是不够的,比如在电力监测系统中,即要监控稳定信号的成分,又要准确定位故障信号,这就需要引入新的时频分析方法。小波分析正是由于这种需求而发展起来的通过小波变换来精确地检测信号发生变化的时刻,构造一个信号模型,由一个低频正弦波信号连接一个高频正弦波信号,利用小波工具可以检测出信号发生不连续的间断点的位置。     

基于连续小波变换的瞬态位移干涉仪信号处理

提出一种连续小波变换(CWT)用于频率急剧变化的瞬态位移干涉仪信号处理的方法.连续小波变换利用对不同频率具有不同分辨本领的特性,对信号进行时频分析,计算出信号频率,进而恢复出信号的速度.当在可变时间窗口宽度内小波的中心频率和信号局部频率相等或接近时,小波变换系数幅值最大,据此能判断出信号的频率.用连续小波变换方法对计算机模拟的化移干涉信号进行处理,恢复的速度相对误差在3%,从爆轰实验的光纤位移干涉仪信号中也能够准确地恢复出物体的速度历史.