基于小波变换的心室晚电位特征分析

对４０例信号平均心电图的矢量幅值进行了小波变换,分析了心室晚电位在时频域中的特征,研究结果表明,心室晚电位在时频空间中特征分布明显,易于识别,可有效排除噪声的影响,从而提高心室晚电位一的检测准确率。     

基于小波变换的心室晚电位特征分析

对４０ 例信号平均心电图的矢量幅值波进行了小波变换,分析了心室晚电位在时频域中的特征．研究结果表明：心室晚电位在时频空间中特征分布明显,易于识别,可有效排除噪声的影响,从而提高心室晚电位的检测准确率     

心室晚电位识别的一种方法

论文采用小波包分析和人工神经网络相结合的方法完成对心室晚电位的识别。首先利用小波包分解技术提取心电信号的特征，将不同频带子信号的能量作为心电信号的一组特征值，然后采用径向基函数网络实现对晚电位的分类。经过对28例3导信号平均心电图实验数据的处理，取得了较高的识别准确率。     

用小波变换和神经网络检测心室晚电位

提出了一种基于小波变换和神经网络的晚电位时域检测改进方法 .对矢量幅值波进行连续小波变换 ,然后从矢量幅值波的时频能量分布中提取心室晚电位的 8个特征值 ,送入人工神经网络进行晚电位的自动检测 .实验结果表明 :这种检测方法可有效降低噪声影响 ,提高心室晚电位的检测准确率 .     

基于盲源分离的心室晚电位信号检测

采用快速独立分量分析方法研究了心室晚电位信号的特征提取和检测,提出了利用通道扩展的方法,将有限的2通道数据扩展为4通道数据.通过快速独立分量分析方法进行盲源分离,实现了心室晚电位信号与正常心电信号的完全分离.仿真结果表明,利用独立分量分析方法对心室晚电位信号的特征检测是一种行之有效的手段.     

用小变换和神经网络检测心室晚电位

提出了一种基于小波变换和神经网络的晚电位时域检测改进方法。对矢量幅值波进行连续小波变换,然后从矢量幅值波的时频能量分布中提取心室晚电位的８个特征值,送入人工神经网络进行晚电位的自动检测。实验结果表明：这种检测方法可有效降低噪声影响,提高心室晚电位的检测准确率。     

心房晚电位的检测与分析系统

介绍了一种基于微机的心房晚电位的检测与分析系统，通过对Ｒ波触发和Ｐ波触发的信号平均心电图方法的讨论和比较，获得了一套实用可行的Ｐ波提取方法，标准Ｐ波宽度，空间向量的总Ｐ波宽度和最后３０ｍｓ均方根电压是一些与房颤关联的诊断参数，详细的介绍了本系统获取这些参数的算法，并给出了一套辅助临床诊断的参考指标，初步使用的情况表明，这个系统的检测答方法是有效的，在临床上可以对房颤和房扑进行预测，目前国内对心房晚     

WLP-2800心室晚电位检测仪

世界卫生组织的统计数字表明,心血管病患者的死亡情况至少有一半是猝死。因此,猝死的研究与防治是现代心脏病学的研究重点之一。80年代出现了一种无创伤性的心电检测技术——体表信号平均心电图。心电图中QRS波终末部分高频低幅的碎裂波称为心室晚电位。电生理学的研究表明,心脏病患者室性心率失常及心脏性猝死的发生跟心室晚电位的出现有密切关系。但是,从体表检测     

小波包尺度图在故障检测中的应用

提出了一种基于小波包尺度图的故障检测方法，该方法通过对振动信号进行小波包分解，然后利用其尺度图作为特征量来识别设备工作是否正常，并确定其故障频率，通过对一组不同情况的机械振动信号进行分析，结果表明该方法有效可行，并且适用于其它类似问题的监测和诊断。     

基于数学形态学和小波分解的QRS波群检测算法

为了解决心电图 QRS波群检测的问题 ,研究了一种基于数学形态学及小波分解相结合来检测 QRS波群特征点的算法。数学形态学算法是基于信号局部特征的 ,可以有效地突出信号的峰谷点 ;小波分解对信号做多分辨率分解 ,可以突出信号的特征信息 ,便于 QRS波群检测。实验结果表明 :两种分析方法的结合可以有效地消除基线漂移 ,低频干扰 ,以及大 T波的影响。其 QRS波检出率达到 99.86 % ,从而提高了波形的信噪比     

小波变换在心电图R波检测中的应用

介绍了一种新颖的信号处理方法－小波变换．利用三阶样条小波分析了信号的奇异点与其小波变换的关系，并通过ＥＣＧ信号的小波变换，分析了小波变换的抗干扰能力．最后提出了一种以小波变换为基础的ＱＲＳ波检测方法     

奇异性信号检测时小波基的选择

奇异性信号往往带有一些重要信息，小波是奇异性检测的一种有力工具。本文研究了几种常用小波对不同奇异性信号的检测效果，通过对比分析，对不同的奇异性信号，推荐出了优先选用的小波基，并实际应用于刀具磨损时切削力信号的分析。     

强噪声下小波包自适应算法的研究

低信噪比下信号检测一直备受关注.已有的方法多集中于FFT变换和自适应滤波算法的结合,尤其是变步长因子的改进上.随着小波、小波包的时频分析能力和变分辨特性日趋完善,小波逐渐成为信号处理的首选.本文算法先把信号小波包分解,然后自适应滤波运用于分解后的每个子波,最后小波包信号重构,并以罗兰-C信号为例验证其有效性.     

小波变换用于ECG信号的R波实时探测

按照ａ ｔｒｏｕｓ算法实现以Ｍｅｘｉｃａｎ ｈａｔ函数为基本小波的小波变换，实时完成ＥＣＧ信号的Ｒ波检测，对ＭＩＴ／ＢＩＨ标准心电数据中３个质量好、３个受噪声严重干扰的共６个信号进行探测，平均正确率可达９８．４２％以上。     

基于小波变换特征提取的支持向量机心搏分类研究

在对心电信号进行离散小波变换并提取优化特征组合的基础上,利用标准算法(l-a-r算法)和二叉树算法分别构建支持向量机分类器实现心电图的分类,对不同小波下提取不同维特征向量构建的分类器性能进行比较,同时对取自MIT-BIH数据库的4类心电图(正常心搏、左束支传导阻滞心搏、右束支传导阻滞心搏和起搏心搏)进行分类.结果表明,采用标准算法对db2小波下8维特征向量训练的支持向量机分类器分类性能最优,总体分类正确率达98.770/0.     

带可信度评估的连续小波DDoS攻击检测算法

针对传统方法难以实时有效检测DDoS攻击,提出了一种带可信度评估的连续小波DDoS攻击检测算法,可以简单、高效、实时地检测DDoS攻击．首先,对流量信号进行不间断地连续小波变换同步分析,通过发现平台突发信号来实现DDoS攻击的实时检测．然后,用报警可信度评估算法对连续小波变换的检测结果进行二次处理,以消除单点突发信号和网络流量噪声带来的影响．实验结果与离散小波变换、N点平均以及梯度法相比表明,所提算法对流量数据中的平台突发信号有着更好的检测效果．     

心音信号的时频分析

首先对几种典型信号的计算结果进行了分析，并比较研究了短时傅里叶变换和连续小波变换在心音信号时频分析方面的性能差异．指出了应用这２种方法应该注意的问题，并对一例正常和一例非正常的心音信号的时频分析进行了讨论     

伸缩因子为a的r重正交平衡的多小波

Lebrun引入平衡多小波的概念， 并构造正交平衡的多尺度函数和多小波.这种平衡的多尺度函数和多小波在处理离散的多项式信号时能被低通滤波器特征化而被高通滤波器取消.文中将平衡多小波的概念推广到伸缩因子为a的情形（a≥2，a∈Z）. 建立了伸缩因子为a的r重正交平衡多尺度函数的一些等价关系. 并基于这些等价关系给出一种构造正交平衡多小波的算法.最后给出伸缩因子为2和3两种情形下的平衡多小波的构造算例.     

用小波熵及非稳定周期轨道测量神经放电峰峰间期复杂性

为了研究帕金森病理大鼠苍白球神经放电序列的复杂性,首先对Rose-Hindmarsh理论神经元模型分叉数据进行了动态测量,并结合非稳定周期轨道对模型分叉数据进行周期检测,最后应用小波熵对正常状态下的大鼠和帕金森病理状态下的大鼠的内侧苍白球细胞放电峰峰间期进行了复杂性检测.结果发现,在神经元模型峰峰间期时间序列中,小波熵能较好地区分混沌信号和周期信号(混沌信号的小波熵为0.04～0.21,周期信号的小波熵为0.007～0),也能较好地区分周期一节律和周期二节律的信号(周期二节律数据的小波熵为0.007,周期一节律数据的小波熵接近于0).在小白鼠内侧苍白球细胞放电峰峰峰间期时间序列中,病理组小波熵明显高于正常组小波熵(正常组信号的小波熵为0.13～0.26,病理组信号的小波熵为0.38～0.87).非稳定周期轨道分析方法从周期轨道方向得出了和小波熵一致的结论.结果证明,小波熵可以定量反映神经元放电序列复杂性变化,是一种有效的复杂性测度方法.     

小波变换在旋转机械振动信号检测中的应用

讨论了小波变换的分析方法,为提取旋转机械振动信号特征提供了理论方法.实践表明:小波理论的发展适应于振动信号检测的要求,给监测旋转机械的正常运转和可能引发故障的原因提供了一种科学的研究方法.