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 (...     

基于平稳小波变换的心电信号P、T波检测算法

QRS波群与P、T波均是心电信号的重要组成部分,其准确检测与分析对心血管疾病的诊断起着至关重要的作用.由于P、T波幅度小且频率低、形态多样,对其准确定位与识别一直是心电信号处理中的难题.针对此问题,提出一种基于平稳小波变换的P、T波检测算法,经降频后在22尺度的细节系数上检测得到P、T波的特征参数.运用MATLAB的仿真环境,对MIT-BIH数据库中的ECG信号进行算法的波形检测实验验证.实验结果表明,该算法对心电信号中P、T波的检测取得了满意的效果.     

QRS波群检测中的二次B样条小波变换算法

针对目前心电信号检测中准确度不高以及适应性不强的问题,提出了一种基于二次B样条小波,结合二分搜索算法和圆弧逼近曲线算法的QRS波群检测算法。首先对心电信号用二次B样条小波经Mallat算法分解,在二分搜索法调整阈值和模极大值检测R波的基础上,再用基于最小二乘圆弧逼近曲线算法检测T波与P波。最后用MIT-BIH数据库的数据验证了该改进算法增强了R波检测的适应能力,提高了T波与P波的检测准确度。仿真实验表明该改进算法可以有效地提高心电信号自动检测能力。     

连续小波变换在生物医学信号处理中的应用

小波由于同时具有空间域与频率域的局部性，而成为描述、检取函数奇性的局部性质的有效工具。探讨了连续小波变换在生物医学信号特征提取中的精确检测机理。由于Mexican hat小波特有的时域特性，对诸如心电信号中的QRS波群、脑电信号中的棘、尖波具有很好的定位特性和分析精度，因此选用Mexfican hat函数作为小波基。对临床实测数据分析表明，即使在有严重噪声干扰的情况下，此方法也很容易实现对QRS波群、癫痫样渡等生物医学信号中的特征信息进行准确检测和精确定位，从而在作者研制的“虚拟式心电记录分析仪”和“虚拟式脑电记录分析仪”中获得了实际和有效的应用。     

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。     

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。     

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。     

利用脊波变换对牙片中根管图像的增强方法

基于牙片图像的特点及脊波变换能保持线型结构的特性, 提出一种基于脊波变换的边缘检测方法. 以Radon变换作为脊波和高斯小波间的桥梁, 通过脊波域内灰度均值的比较对牙根管区域进行定位, 得到了定位准确、 连续的根管图像边缘. 该检测方法抗噪性好, 定位准确, 更益于医生诊治.     

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％。     

心电信号中R波的小波探测法

心电信号中的R波是心室除极时所产生的电位突奕，是典型的峰值奇异信号。笔者研究了小波变换对心电信号R波峰值奇异点的精确检测机理，分析了Mexican hat小波特有的时域特性，该小波具有任意阶连续性、对称性和指数衰减，具有零阶和一阶消失矩。因此Mexican hat小波基对R波具有良好的定位特性和分析精度。通过MIT／BIH（Massachusetts Institute of Technology/Boston's Beth Israel Hopital）心电数据库的测试和应用实例的验证，即使在有严重噪声干扰的情况下，该方法也很容易实现对R波的准确检测和精确定位，具有相当高的定位精度（定位误差不大于1个采样点，约80％能准确定位）和分析精度（不存在累计误差），同时具有较高的实时性，可以实现R波产时检测和分析。     

一种新的房颤心电融合特征提取方法

心房颤动(简称房颤)是临床上最常见的心律失常之一。阵发性房颤的发作具有突发性、反复性且发作时间短暂等特点,因而临床上往往难以及时捕捉到房颤心电而造成误诊漏诊等现象。它在心电图上的表征主要为:①P波缺失,代之房颤波(f波);②RR间期绝对不规则。针对这两个表现,文中提出了一种新的房颤心电融合特征提取方法。首先对心电信号进行去噪处理,并对去噪后的心电信号进行可调品质因子小波变换;其次,对QRS波群频带的重构信号进行R峰的自动检测,并计算RR间期变异系数与子串长度概率分布熵;然后,绘制P波频带范围内小波系数的T-lag散点图,并提取置信散度距离和与置信散度指数;最后将这两类特征构成房颤心电融合特征,并结合MIT-BIH心房颤动数据库与超限学习机完成房颤的自动检测,以验证所提方法的可行性与有效性。文中所提方法的平均检测结果的准确率、敏感度和特异度分别为96. 36%,94. 64%,98. 15%,表明所提方法能够有效地完成房颤心电的自动识别。     

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。     

基于小波变换自适应滤波方法的ECG信号消噪

为了减少在用小波变换方法进行心电信号消噪时所产生的心电信息损失,本文在对心电信号进行离散正交小波变换的基础上,进行自适应滤波处理,即以具有最大QRS波能量的尺度上的高频细节信号作为自适应滤波器的参考输入,以噪声干扰对应的分解尺度上的“细节”分量及最大分解尺度上的近似分量所重构的信号作为原始输入.实验证明这种改进的滤波方法可以在有效抑制心电信号中噪声干扰的同时,较好保持心电信号的波形特征及有用的心电信息,达到较好的滤波效果.     

基于改进小波变换的自动化电气设备故障点检测

传统的自动化电气设备故障点检测方法通常采用梯度扩散法确认故障信号波,但该方法并未对信号奇异性进行分析,获取的信号函数峰值较低,检测准确度不高。为此,提出了基于改进小波变换的自动化电气设备故障点检测方法。首先考虑环境对设备的影响,分析电气设备特性,同时为了提高电气设备故障信号的质量,添加数字滤波器,然后运用改进后的小波变换理论对设备故障信号进行分析。最后,分析小波分析后的异常信号奇异性,运用双端检测对奇异信号进行测距,得出故障点位置,完成自动化电气设备故障点检测。实验结果显示,本文所设计的故障点检测方法获得的信号函数峰值更高,检测的准确度更高,满足设计需求。     

一种新的心电信号R峰自动检测方法

R波是心电(ECG)信号中最重要的组成部分,蕴含着重要的生理病理信息。在长时ECG信号上实现R峰自动检测是进行心率变异性分析、心血管疾病诊断、生物识别和ECG编码的关键步骤。文中提出了一种新的基于小波变换的R峰自动检测方法。首先,设计了一种改进的小波阈值法,并结合小波包分解对原始心电信号进行去噪处理;其次,将去噪后的心电信号进行小波变换,采用自适应阈值法在恰当的频率子带上检测出候选R峰,并将其位置逆变换于心电信号;最后,根据RR间期的局部变化趋势进行R峰的精细筛选,以最终完成R峰检测。文中选用MIT-BIH心律失常数据库中的2个心电记录对所提算法进行性能评估,采用错误检测率(DER)、真阳性率(+P)、敏感度(Se)和准确率(Acc)作为评价指标,平均检测结果分别可达0.395%,99.67%,99.95%,99.62%。     

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 .     

QRS波相位检测算法

在ECG信号中,QRS波群含有大量的信息,它对ECG信号的分析具有指导意义,因而QRS波群的检测得到了广泛地研究。文章通过对小波处理过程的研究,发现采用快速卷积的小波变换,通过判断小波相位符号的变化,可以准确地定位R波;这种手段本质上依然是过零点的检测,但是由于不依赖于幅度域值,所以更加有效。     

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.     

融合粒子群与双边长短窗能量差的心电P波检测

心电P波蕴含了人体丰富的生理、病理信息，但P波幅值较小、形态多变，检测十分困难.本文提出一种双边长短窗能量差法来检测多形态P波边界，并使用粒子群算法优化其参数.从LUE数据库和QT数据库中分别选取4363个和1936个心电节拍，其中70%作为训练集，30%作为测试集，并与基于动态规划的参数混合高斯拟合法和无相位平稳小波变换法对比，正向与负向P波的结果误差明显小于上述两种方法，该算法可检测出双向P波，同时还具有一定抗噪能力.     

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.