首页 > 文献资料
-
FastICA在心电信号降噪中的应用
目的 研究基于峭度和负熵的FastICA的模型特点,分析两种算法在心电信号去噪中的应用,对ICA在信噪分离中的特点加以分析研究.方法 首先利用心电数据库MIH-BIT中单独的心电信号和噪声混合对FastICA进行降噪测试,通过降噪后心电信号和原信号对比测试基于峭度和负熵的FastICA的降噪效果,然后对DaISy数据库中的真实含噪心电信号进行降噪,分析其在真实环境中的降噪效果.结果 通过多组合成混合含噪心电信号和真实含噪心电信号对两种FastICA进行分离测试,发现两种FastICA都可成功地分离心电信号和噪声,其中基于峭度的FastICA的降噪速度较快,而基于负熵的FastICA的精确度较高.结论 基于峭度和负熵的FastICA可以应用于心电信号的降噪中,并且能够有效降低信号噪声.
-
基于MATLAB的FIR带阻数字滤波器的设计
由于生物医学信号处理过程中易混入50Hz噪声的特点,本文利用程序设计法和FDATool设计法,设计一带阻滤波器,并将设计的滤波器应用到一混和正弦信号,通过测试检验,该滤波器可以很好地消除50Hz的工频干扰.
-
小波变换用于心电信号消噪及QRS波检测的研究进展
本文主要综述了近几年小波变换在心电信号消噪及QRS波检测中的应用,较为细致地介绍了研究人员采用的具体方法及为提高QRS波正确检出率采取的一些策略,对心电信号小波分析仍存在的问题进行了初步探讨.
-
自适应滤波器在ECG信号除噪中的应用
本文论述了基于LMS算法的自适应滤波器噪声抵消的工作原理,针对心电图放大器易混入60Hz噪声的特点,利用UW Digiscope程序进行了实验仿真,结果表明,该方法具有良好的消噪功能.
-
心电信号小波消噪方法的研究
针对传统正交小波变换对心电信号消噪容易在其特征波附近产生Gibbs现象而影响特征波检测的问题,提出基于平稳小波变换、采用系数可调的新阈值函数来消除心电随机噪声、同时抑止Gibbs现象的方法.实验表明,利用实测心电数据和MIT/BIH数据库的数据消噪,所提出方法在解决以上问题的同时,有效保持了心电信号的几何特征.为心电弱特征成分的准确提取奠定了基础.
-
一种基于小波变换消除图像噪声方法
提出了一种基于小波变换消除图像噪声方法.该方法包括水平、垂直和对角线多个方向一维(1D)与二维(2D)两个小波变换消噪处理过程,汲取了1D方向数组小波变换消噪能较好保持方向性边沿的优点,消除了2D图像小波变换阈值法消噪造成的边沿模糊.与常规方法相比,此方法在有效抑制噪声的同时,能较大程度保留图像边沿.经实际噪声图像测试,具有误差小、信噪比高的特点.
-
一种基于二代小波变换与盲信号分离的脑电信号处理方法
目的 研究对混杂有眼电和心电干扰脑电信号的处理方法.方法 首先用二代小波硬/软阈值、折衷闽值、μ律阈值方法对脑电信号消噪,然后运用FastICA算法对消噪后仍含眼电和心电的脑电信号进行盲信号分离.结果 二代小波μ律阈值方法对脑电信号有较好的消噪效果,FastICA算法能成功分离出脑电中眼电和心电的干扰.结论 运用二代小波μ律阈值法对脑电消噪后再用FastICA算法对独立源产生的干扰进行分离是一种有效的预处理方法.
-
小波阈值去噪技术研究及其在生物医学信号处理中的应用
探讨小波阈值消噪技术的原理,总结了各种阈值函数的形式以及阈值确定的方式.研究了它们的性能及特点.用心电信号作为实例,说明小波消噪技术有良好的效果,后对小波消噪技术的进展进行了展望.
-
基于小二乘法多项式拟合的容积脉搏波消噪设计
目的:本文利用BCI的指夹式透射血氧探头进行容积脉搏波检测,通过信号调理放大电路、A/D转换电路、单片机和接口将采集到的数据传送到上位机.由于噪声在硬件上不能彻底去除,因此需要在软件上进行完善.方法:本文就是在MATLAB上进行基于小二乘法多项式拟合的低通FIR滤波器消噪仿真.结果:能很好的去除工频及其他干扰,得到干净的容积脉搏波波形.结论:通过这种方法得到的波形便于在界面上实时显示和用于后期的特征提取和参数计算.
关键词: 容积脉搏波 消噪 MATLAB 最小二乘法多项式拟合 -
小波变换在ECG信号滤波中的应用研究
本文首先介绍了小波变换应用于ECG信号消噪处理中的几种常用滤波方法的原理,分析了它们的滤波性能.然后提出一种小波变换与自适应滤波相结合的心电信号去噪方法,实验证明这种去噪方法可以有效抑制心电信号中的噪声干扰,保持信号的波形特征,是对"运用多分辨率分析方法,去除噪声干扰对应小波分解尺度上细节分量"的滤波方法的一种有效改进,达到较好的滤波效果.
-
脑电棘波识别和噪声消除的小波变换方法
研究了利用二进小波变换的模极大值识别脑电信号奇异点如棘波和消除噪声的方法,该方法在较好保留原脑电信号奇异信息的同时能有效地消除噪声.进一步讨论了信号与白噪声的奇异性指数的区别,以及小波变换模极大值沿各变换尺度传递的不同特性,并利用该特性区分信号中的奇异点和噪声,能准确识别奇异点的位置.这种奇异性识别技术在信号的特征提取和消除噪声方面有广阔的应用前景.