基于小波变换和ICA的房颤信号分离

提出了一种基于小波变换和独立成分分析(ICA)的心房颤动(房颤)信号分离方法.首先通过小波变换将2个导联的Holter心电信号分解成一组信号,然后取其中几个尺度的单支重构信号进行ICA,分离出房颤信号.2个导联Holter系统无法满足ICA对信号通路数的要求,小波分解及单支重构解决了这一问题.ICA技术充分利用2个导联的信息,消除了单导联房颤信号分离方法易受伪迹和异位心搏等因素影响的缺点.实验证明了本方法的可行性和有效性,并且与常用的单导联分离方法的效果进行了对比.     

一种新的重叠混沌信号盲分离算法

提出一种基于粒子滤波（particle filtering,PF）的重叠混沌信号盲分离算法,该算法依据混沌动力学系统的状态空间模型,把重叠混沌信号盲分离问题转化为混沌信号和系统参数的联合估计问题,利用PF方法估计各信号以及系统参数的联合后验分布,再由联合后验分布实现各信号以及系统参数的估计.在PF算法中利用核平滑的方法实现了非时变参数的迭代估计,并通过自适应迭代算法对加性高斯噪声进行了估计.仿真实验的结果表明,该算法能有效地解决重叠混沌信号的盲分离问题.     

阵列天线MC-CDMA系统用户波达方向估计

提出了一种阵列天线MC-CDMA系统用户波达方向估计算法.该算法首先利用MC-CDMA系统用户扩频码的正交性、子载波频域分集性,进行用户信号的分离、多址干扰的抑制和用户信号的增强,然后再通过传统波达方向估计的子空间算法实现用户信号波达方向的估计.仿真结果显示所提出算法在估计阵列天线MC-CDMA系统用户波达方向时,波达角估计误差很小,表明了算法的有效性.     

基于遗传算法的盲源分离算法

针对现有盲源分离算法的性能依赖于对比函数选择的现象,提出了一种基于遗传算法的盲源分离算法,该算法直接从信号的样本序列中估计出信号的概率分布,解决了信号间互信息的求解问题.通过遗传算法最小化信号的互信息,实现了对线性混叠信号的分离.对模拟信号的分离结果表明,该算法可以成功地分离混叠信号,同时与快速独立分量分析算法相比,该算法的性能对源信号的概率密度性质没有依赖,因而对亚高斯和超高斯信号的混合信号表现出更加优异的分离能力.     

频谱重叠信号分离的循环平稳算法

利用信号的循环平稳性研究了分离频谱重叠信号的算法,并以直接序列扩频系统为例进行了性能分析.该算法在接收端设置了频移滤波器,以便同时利用信号的时间相关性及频谱相关性来实现信号的分离.通过对循环平稳性和频谱相关性的分析,得出了频移滤波器的结构并采用自适应算法确定多个频移分量的最优权值.仿真结果表明,该算法可有效分离频谱重叠信号,在大干扰功率时,误码率与时域滤波器和简单直扩系统比较均低约2个数量级.     

2.4GHz网络信道估计与识别

在2.4GHz网络中,由于wifi、zigbee和bluetooth这3种系统工作在同一频段,致使它们通信时会出现干扰.为区分出不同系统的信号,基于盲源分离理论,介绍了线性主成分方法(PCA)、递推最小二乘算法(RLS)和2.4GHz系统,推导了RLS型算法和信号识别公式,采用Matlab仿真,结合以前改进的RSL算法和信号识别方法,提出一种改进的RLS算法.经过分析,证明该改进的算法可以从混迭信号中有效地分离出各源信号,特别是使这3个系统的不同信号分离,确定每个信号的所属系统及所占信道.     

基于核独立分量分析的盲多用户检测算法

针对DS-CDMA通信系统中的盲多用户检测问题,提出了一种改进的核独立分量分析(KICA)算法.该算法首先将五阶收敛的牛顿迭代公式引入到传统的FastICA算法中,同时还引入了一种新的核函数——混合核函数来解决非线性混合信号的分离问题,从而实现了多用户信号检测.最后将所提出的算法与传统的FastICA算法和KICA算法进行仿真比较.结果表明:所提出的算法不仅收敛速度较快,而且具有较小的误码率.     

一种手握式无线心电信号采集系统

传统心电信号多采用胸前导联的方式采集,采集方式的不便性使心电信号在安全认证等方面的应用受到限制.本文提出一种手握式无线心电采集系统,实现心电信数据的便捷采集.系统利用织物电极取代传统粘性电极,采用手握方式增大电极与皮肤的接触面积,降低接触阻抗、提高传导能力;利用蓝牙通信实现心电数据的无线传输.本文从采集信号质量、医学特征点分析等方面,对使用本系统采集的手部心电信号与胸前导联采集的心电信号进行了对比分析,实验结果表明,本文手握式采集的心电数据与标准Ⅰ导联心电数据相对应,信号质量的标准性和稳定性均能达到传统采集的标准,满足便捷心电采集的实用要求.     

基于压缩感知和优化算法的欠定盲源信号分离

针对目前欠定盲源信号分离在源信号不充分稀疏的情况下分离精度较低的问题,提出一种基于压缩感知和优化算法的欠定盲源信号分离方法.首先分析了欠定盲源信号分离和压缩感知问题的等价性,并建立基于压缩感知的欠定盲源信号分离的数学模型;然后以分离信号的稀疏性和互相关性来建立目标函数,并通过使用压缩感知和优化算法来实现欠定盲源信号的分离;最后对语音信号进行了仿真实验.实验结果表明,在源信号不充分稀疏的情况下,利用这种方法得到的分离信号与源信号的平均相似系数为0.990 3,由此可见这种方法是一种有效的、分离精度较高的分离方法.这也为欠定盲源信号分离问题的研究提供了一种新的途径和手段.     

基于独立分量分析的混叠跳频信号分离算法

为解决混叠跳频信号的分离问题,在深入研究独立分量分析(ICA:Independent Component Analysis)理论基础上,结合跳频通信的特点,提出了基于独立分量分析的混叠跳频信号分离算法,实现了对混叠跳频信号的盲分离.该算法将基于负熵最大化的FastICA算法应用到混叠跳频信号分离中.通过仿真实验表明,该算法能成功地排除乘性噪声干扰,完成对混叠跳频信号的分离.虽然分离信号的幅度、相位等参数较源信号发生了变化,但并不影响后续工作.这一过程在未知任何先验参数的条件下完成,并取得了较好的分离效果,为跳频通信信号的分离工作提供了新思路.     

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。     

一种滤除心电信号中噪声的形态滤波方法

心电信号在检测过程中，常常会引入噪声和发生基线漂移，这严重影响了对心电信号的进一步分析和处理，采用数学形态学中的形态滤波方法，通过采5有不同尺寸结构元素的开－闭的闭－开运算平均组合，来滤除心电信号中的噪声和校正基线漂移，仿真结果验证该方法的有效性。     

基于短时心电信号的疲劳驾驶检测算法

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91%.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.     

基于组合形态滤波与自适应广义形态滤波的ECG去噪算法

针对ECG信号中存在的基线漂移和高频干扰,提出了一种传统线性组合形态滤波与自适应广义形态滤波相结合的新的去噪算法。该算法首先采用传统线性组合形态滤波器滤除基线漂移,然后将无基漂的信号送入采用不同结构元素级联而成的自适应广义形态滤波器滤除高频干扰,最后得到无噪声的ECG信号。结果验证了本文算法的有效性。     

基于心冲击信号的心率提取算法

为了提高基于心冲击(ballistocardiogram,BCG)信号心率提取的准确率,提出了一种新算法.首先通过趋势项消除和小波变换对原始BCG信号进行预处理操作;然后通过单极性信号的频谱分析得出先验心率,据此确定局部心动周期的分段间隔;最后通过阈值处理、分段处理、提取局部极值点等操作得出心率.实验中采集了30例BCG信号,由此得到心率值;与同步采集的单通道ECG信号得到的心率值进行对比分析,结果表明,二者的相对误差最大不超过1.78%,这进一步验证了该算法的可行性和准确性.     

基于三域特征提取和GS-SVM的ECG信号智能分类技术研究

近年来,基于单域的特征提取方法已经得到广泛的研究,并被用于心律失常的检测分类.事实上,多域特征提取在其分类中往往表现得更好.本文利用MIT/BIH心律失常数据库中的48组ECG信号进行预处理,从时域、频域和小波域提取了信号的三域特征,这些特征从各个方面充分表征了ECG信号的性质.再利用基于网格搜索的SVM结合归一化特征可将ECG信号划分为常见的4类.该方法的总体精度达到98.01%,f_1分值为0.9800,对ECG信号的检测性能良好,相对目前绝大多数ECG信号分类器具有更强的泛化能力.     

基于ZigBee的无导联线动态心电监测系统设计

为克服传统的有导联线动态心电监测装置导线连接复杂,影响心电信号采集的质量,使患者受限、产生束缚感等不足,设计了一种基于ZigBee的无导联线动态心电监测样
机。该系统主要由信号采集模块和无线传输模块组成,采集到的心电信号通过CC2530自带的A/D转换成数字信号并通过无线模块发送,经 ZigBee 无线传输后,由接收模块接收心电数据并通过串口上传至PC机实时显示。给出了硬件电路的设计方案及软件程序流程图,并在实验室环境下对该样机进行了测试,实现了心电信号的无导联线监测和心电波形的实时显示。该样机具有功耗低、成本低、重量轻和体积小等特点,心电波形失真度较小,可满足临床分析与诊断的要求。     

基于一维离散小波变换的心电信号降噪研究

针对心电信号中含有噪声的现象,为了准确提取反映心电信号的特征信息,该文提出了应用一维离散小波变换实现对心电信号的降噪处理方法.研究结果表明,该方法能够有效地去除心电信号中的噪声,从而为进一步实现心电信号特征信息的提取提供了有效的参考价值.     

心电信号的降噪处理及其评价研究

为抑制心电信号中存在的噪声干扰,以利于准确提取反映心电信号的特征信息,文章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.通过对MIT/BIH心电数据库中的心电信号进行仿真,研究结果表明,该方法能够有效地去除心电信号中的噪声,对实现心电信号特征信息的提取具有一定的实用价值.     

基于多导联心电信号和多变量回归模型的心律失常的分类

心电信号(ECG)智能分析非常有利于严重心脏病人的自动诊断。本文介绍了多变量回归模型(MAR)建模法,利用MAR模型从双导联ECG中提取特征对ECG信号进行分类。在分类时,利用MAR模型系数及其K—L变换(K—LMAR系数)作为信号特征,并采用了树状决策过程和二次判别函数(QDF)分类器。利用文中方法对MIT—BIH标准数据库中的正常窦性心律(NSR)、期收缩(APC)、心室早期收缩(PVC)、心室性心动过速(VT)和心室纤维性颤动(VF)各300个样本信号进行了建模和测试。结果表明,为了达到分类目的,MAR模型阶数取4是足够的,基于MAR系数的分类取得了比基于K—L MAR系数的分类稍好的结果。基于MAR系数的分类获得了97．3％～98．6％的分类精度。