离散点列的局部双圆弧逼近

给出一种用双圆弧逼近离散点列的算法，该方法对数据点列没有任何限定性要求。先对离散点列用三次样条曲线插值，求出型值点的一阶导数，然后对三次样条曲线用双圆弧逼近。由于采用局部双圆弧逼近，该算法对大挠度和小挠度样条曲线均适用，从而克服了传统双圆弧逼近只能针对小挠度样条曲线的缺点。实验表明，该算法稳定、健壮，且能保持曲线的整体光滑，达到C^1连续。     

小波熵阈值的心电信号去噪及R波检测算法

针对心电信号去噪问题,首先利用小波变换分解心电信号,计算小波分解后信号子带区间的小波熵,将小波熵和小波阈值相结合确定各层高频小波系数阈值门限。用阈值门限以及折中指数自适应阈值函数处理带噪的心电信号,并用bior3.7小波对去噪后的心电信号进行R波峰值定位,最后与原信号R波峰值位置对比。用本方法先对MIT/BIH心率失常心电数据库中117号心电信号去噪,之后与无偏风险阈值、固定阈值、启发式阈值和极大极小阈值去噪算法的性能比较。比较结果表明:当输入信噪比为9.724 7 dB时,小波熵阈值去噪法得到信号的输出信噪比为17.294 1 dB,其输入输出信噪比曲线明显高于其他4种传统阈值去噪法的输入输出信噪比曲线,且其R波检测结果更加精确。     

基于改进小波变换的QRS特征提取算法研究

提出了一种改进小波变换的方法对心电信号进行检测.首先设计不同的方法对心电干扰进行消噪预处理;然后对预处理后的心电信号采用改进小波变换和窗口函数的方法检测QRS波群;最后利用MIT-BIH标准数据库中的数据对此算法的准确度和有效性进行验证.结果表明改进小波变换方法对R波峰值定位的准确度可达到99.89%,为其他波群的检测定位奠定良好的基础,对诊断心肌梗死等心血管疾病具有重要意义.     

非均匀B样条曲线的插补算法

针对一般的轮廓控制加工系统在插补二次曲线或三次曲线时,用直线和圆弧插补进行拟合逼近处理存在分段多,光顺性差,精度低以及加工速度慢的缺点,利用B样条曲线良好的局部控制性和计算机CPU处理速度快的优点,提出一种基于三次非均匀B样条曲线的插补算法,该算法已成功应用于快速原型制造系统中。     

心电信号QRS波群的小波精确识别法

利用M arr小波特有的时频特性,采用离散小波变换的直接算法,对心电信号QRS波群进行识别,经M IT/B IH心电数据库的检测验证,即使有严重的噪声信号干扰,也能精确定位R波,其正确率为99.7%,能准确地识别QRS时限,实时地识别R波和QRS时限。可用于心电信号实时处理。     

改进的基于小波变换的QRS波检测算法

为提高心电信号QRS波的检测精度,分析了小波变换对信号奇异点检测原理,提出了改进的基于小波变换的QRS波检测方法.该方法通过考察小波分解系数进行R峰位置区间定位,R波漏检回溯及正向、倒置R波判断的QRS波检测方法;并提出了一种新的跟随阈值.该算法在Matlab仿真环境中,经过对MIT-BIH数据库中典型14条ECG (...     

基于差分阈值与模板匹配的心电R波提取算法

心电信号(electrocardiogram,ECG)是人体最重要的体征信号之一,R波是心电信号中最明显的特征参数.R波的正确提取是计算心率、分析心率变异性等其他参数的基础.以一阶差分为基础,结合模板匹配算法,在匹配的过程中采用阈值比较和匹配系数的心电R波检测方法,提高了R波检测的准确率.实验表明,该算法能够快速准确地检测心电信号数据中R波特征值.     

基于小波变换与Hilbert变换的QRS波检测方法研究

针对心电波形检测中小波算法的缺点,将小波变换与Hilbert变换结合应用于QRS波的检测中。利用这2种数学工具的特性,提出了一种新的检测算法,该方法可以有效地从其它波形（Q波、S波、P波和T波）中将R波检测出来。在虚拟仪器的开发平台——Lab VIEW图形化编程语言基础上,通过MIT／BIH心电数据库验证,R波的检测率可达99．74％。     

基于心电信号提取呼吸信号的算法

为了通过心电监护完成对多种生理信号的检测, 降低监护设备的复杂性, 根据呼吸运动对心电信号的影响, 提出一种由心电信号提取呼吸信息(EDR: ECG-Derived Respiratory Signal) 的算法。首先, 根据Pan&Tompkins 算法从心电信号中提取R 波; 然后使用自然三次样条插值算法对心电信号的基线进行估计, 去除基线漂移, 得到干净的心电信号; 最后获取干净的心电信号R 波, 利用自然样条插值算法得到R 波幅值调制信号, 提取出呼吸信息。通过Matlab 软件对该算法进行验证, 并进行相关的分析比较。仿真结果表明, 该算法能从心电信号里提取呼吸信息。通过与数据库中同时记录的呼吸数据进行比对, 证实了算法的有效性。     

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．     

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。     

一种自适应R波检测算法实现

提出了一种检测心电信号中R波的方法.该方法首先采用多通道滤波器和小波变换对ECG信号去除噪声,然后使用自适应的差分阈值法检测ECG信号中的R波.该方法对传统差分阈值算法中存在漏检和多检情况具有自检功能.提供了相关实验结果,实验证明该方法准确率高 ,能实时处理ECG信号.     

基于小波变换的心电信号处理研究

在简述小波变换理论发展的基础上,介绍了心电信号的主要特点和研究内容,从两大方面概括小波变换应用于心电信号处理的国内外研究现状:一是去噪,着重介绍了小波阈值消噪的研究成果,概括了在母婴心电信号分离、去除肌电噪声、保留特征波形方面的研究现状;二是波形检测和特征提取,着重介绍了QRS波群检测、ST段检测和R波峰值提取的研究现状,以及小波与其他理论结合用于心电信号处理的研究成果。最后,展望了利用小波变换进行心电信号处理的前景。     

小波变换在心电图R波检测中的应用

本文描述了一套基于小波理论进行心电信号处理的方案及其实现,即根据小波变换分解后,各个尺度上信号的特征采取相应的措施进行滤波或者R波检测.文章同时介绍了该方案的Matlab仿真结果.该方案不但具有简易性和运算的快速性,并在R波检测部分加入时域校正,达到良好的R波检测的正确率.     

心室复极空间不一致性表示方法的探讨

本文采用二镒样条小波变换提取心电信号的特征点,从羊心脏表面64通道的心电信号中,提取各通道的QT间隔和兴奋恢复间隔（ARI）,分别求出二者以极差法、标准差法和变异系数定义的离散度,通过统计检验P值,比值三种方法定义的QT和ARI离散度在心肌缺血后的变化,发现三种定义的QT离散度,在心肌缺血前后都不具有显著性差异,并以变异系数离散度的P值最大,而心肌缺血使得ARI离散度明显增加,三种定义的ART离散度在心肌缺血前后都具有显著性差异,以变异系数离散度的P为最小,可见三种方法定义的离散度均有效,而变异系数离散度较极差法、标准差法离散度更具有统计意义上的优越性。     

基于SSA-SVM的航空电弧故障检测

针对航空线路系统电弧故障隐蔽性高和难以检测的问题,提出一种基于麻雀搜索算法优化支持向量机（Sparrow Search Algorithm Optimization Support Vector Machine,SSA-SVM）的航空电弧故障检测方法。首先采用小波分解对电弧故障电流数据进行分解,小波分解能有效克服经验模态分解时存在的模态混叠问题。再从信号无序度的角度对电流分量提取能量熵、模糊熵与近似熵,并构造特征向量。然后,使用麻雀搜索算法对支持向量机的权值进行优化,得到最优的权值,最后用训练好的支持向量机对测试样本进行分类。为了验证所提方法的有效性,搭建电弧实验平台,模拟航空线路系统电弧故障的产生,分别采集交流串联正常和电弧故障电流数据,应用本文提出的SSA-SVM算法进行电弧故障检测,结果表明,该方法能较好地识别出电弧故障,检测准确率达到99.5%,相比于粒子群算法或遗传算法优化的支持向量机对电弧故障的检测准确率分别高出2.5%和2%。     

神经网络自适应共振理论应用于心电图QT间期自动检测的研究

介绍一种利用改进的ART(自适应共振理论 )人工神经网络检测心电图QT间期的方法 .用经过训练的ART网络对心电波形进行分类和识别 ,较准确的测出T波终点位置 ,从而提高QT间期检测的正确率 .该算法在一定程度上模拟了心电专家手工测量QT间期的过程 ,用于检测包括MIT心律失常数据库 (MIT/BIHArrhythmiaDatabase)在内的共近千个心跳波形 ,并以两位心电手工测量结果作为标准数据进行对比 .对比结果显示 ,我们的算法对单路心电波形自动检测的准确度与通常手工测量具有可比性 ,充分体现了人工神经网络的优越性 ,在要求自动检测大量数据的场合具有显著的应用价值 .     

基于小波变换的心电图QRS波群检测方法

提出一种对心电图QRS波群进行检测的方法,该方法采用Marr小波对心电信号按照Mallat算法进行分解滤波,利用小波变换与信号奇异点之间的关系,在尺度3下采用幅度阈值法对QRS波群进行检测,同时运用综合检测方法进行复检,从而提高R波检测的正确率。以国际上广泛承认的心电数据库MIT-BIH中的记录对算法进行检验,正确检出率在99.8%以上。此检测方法具有简单、运行速度快的特点,易于在临床诊断实时性检测系统中实现。