基于小波的数据挖掘技术在Holter心电信号分析中的应用

针对数据挖掘技术的应用,分析了小波变换的多分辨率特性和带通滤波的本质．按照数据挖掘的思想提出基于二次微分小波概貌信号的Holter心电信号中R波极值点检测的数学模型,采用Mallat递归滤波的算法计算离散小波变换并用等效滤波器的思想对算法进行优化．该检测算法经MIT/BIH心律失常数据库的检验,R波有效检测率高达99%；在100多例临床测试中检测率也高达97%以上．该算法模块现已经应用到商业软件中并取得令人满意的效果．     

基于多尺度小波变换的心电信号消噪

心电信号的消噪一直是人们关注的焦点,至今为止已经有许多论著针对心电信号的处理提出了不同的算法。本文以多尺度小波变换为理论背景,根据信号与噪声在小波变换下的不同特性,提出了一种阈值法和模极大值法相结合的小波消噪新算法。临床试验表明,该算法对心电信号的消噪具有良好的效果。     

基于形态学和提升小波的心电信号去噪方法研究

心电信号是一种典型的微弱信号,含有大量噪声,还具有强烈的非线性和非平稳性.针对传统小波计算量大,很难同时将心电信号中高频和低频噪声去除的问题,提出一种结合形态学与提升小波阈值去噪的算法,通过形态学滤波器去除信号的低频噪声,提升小波阈值去噪法去除信号中的高频噪声.经过对MIT-BIH心律失常数据库中的心电信号进行仿真,结果表明,结合形态学算法与提升小波去噪算法的去噪方法,能同时有效去除信号中的低频和高频噪声,提高了心电信号的质量.     

心电信号小波分析

心电信号是一种非平稳并具有很多奇异点的微弱信号。小波变换中的模极大值消噪法具有非线性及自适应性,小波的这种特性对于类似于心电信号这种非平稳微弱信号是十分适用的。针对传统的消噪方法在处理心电信号时的局限性,研究了小波变换的时-频局部化特性及基于多分辨率分析的信号小波分解和重构算法———Mallat算法。采用小波分析的模极大值法实现对QRS波R峰值点的检测,以及对心电信号的消噪处理。通过试验研究可知,运用小波进行QRS波检测,QRS波的识别率高达99.9%,经过消噪重构后的心电信号信噪比较原始信号有较大提高。     

一维离散小波变换在心电信号降噪中的应用

为准确提取反映心电信号的特征信息,提出应用一维离散小波变换实现对心电信号的降噪处理方法。首先介绍了一维离散小波变换的基本思想;其次,应用小波分解与重构的方法(Mallat算法)在MATALB环境中编程实现对心电信号的降噪处理;最后,引入降噪信号与原信号的能量比(ENR)、均方根误差(RMSE)和自相关系数(AC)作为小波变换的降噪评价指标。可见,该方法能够有效地去除心电信号中的噪声干扰,对于实现心电信号特征信息的提取具有一定的参考价值。     

小波变换用于微分心电信号突变点检测

微分心电信号的突变特性反映了心肌除极波前在传播过程中的临界点现象,有可能解释心电图高频成分的成因。该文反应小波变换对信号突变点检出的理论对微分心电信号进行分析,并用非线性最不二乘法进行参数拟合,确定了突变点的位置,通过临床冠心病组与正常态照组对比检同实验,统计结果显示出突变点的数量对心理缺血或损伤具有较高的敏感性,初步证明了为这种检出方法的有效性。     

基于稀疏成分分析和小波包变换的心电信号去噪

针对心电信号的识别这一生物医电信号处理的难题,提出了一种新的算法,将稀疏成分分析和小波包变换两种方法相结合,去除了心电噪声,得到了清晰的心电信号。仿真结果与传统的快速独立成分分析(FastICA)算法相比较,本算法具有更高的分离精度。     

应用独立分量分析的胎儿心电信号提取

针对独立分量分析(independent component analysis,ICA)的基本生成模型,在采用负熵的快速定点ICA算法的基础上,应用渐近正交化的FastlCA算法,对3导从孕妇腹部测得的含有孕妇及其胎儿心电分量的观测信号进行了有效的分离,提取出胎儿心电分量;通过调用Matlab小波消噪程序,对分离所得的胎儿心电分量用db2小波对其做8层分解,获取默认软闽值,消噪处理.结果表明,渐近正交化的FastICA算法收敛速度快,只经过7、3、2次的迭代,便将3个源分量分离出来;结合小波阈值消噪,将分离后胎儿心电中的干扰进一步去除.     

由心电信号提取呼吸信息的算法及其仿真实现

为了使单纯的心电监护设备实现对多种生理信号的检测,减小设备的复杂性,根据心跳频率和呼吸频率处在不同的频段．提出2种由心电信号提取呼吸信息（ECG—derivedrespiratorysignal,EDR）的算法：离散傅里叶变换EDR算法和离散小渡变换EDR算法．利用MATLAB软件在时域和频域分别对这2种算法进行验证,并进行了相关分析比较．经过筛选比较．离散小波变换EDR算法选用coifN小波作为母小波．仿真结果表明,文中所提出的2种算法均能有效地从心电信号中提取出呼吸信息,但离散小波变换EDR算法的准确性与母小波的选取有很大关系．当选取coif3小波时．离散小波变换EDR算法比离散傅立叶变换EDR算法更为有效．     

基于小波变换的心电信号检测新方法

首先利用正交小波包对心电信号进行去噪,然后采用Mallat算法获得信号在不同尺度上的小波分解细节信号,再对23尺度上的细节信号进行处理,使得与R波对应的模极值大幅度增加,提高了QRS波的检测率,经MIT-BIH心电数据库检验,QRS波检测率达到99.86％,