实验动物兔子心电图奇异性检测:进化谱方法

基于小波变换的进化谱分析能够揭示非平稳信号特定时刻的时一频域特性.实验动物兔子左冠状动脉前降支结扎实验,可以模拟早期心肌缺血症状的不同生理变化过程.左冠状动脉病变引发心肌缺血是急性心肌梗死等冠心病的早期主要征兆.文中提出了基于连续复小波变换的进化谱估计算法,在满足时一频域不确定性原理条件下,为获得非平稳信号的瞬时频谱提供了一种有效的新方法,它能够识别生命系统数据中的局部奇异性.应用这种算法对实验动物兔子的多种心电图数据的进化谱分析结果表明,QRS波群进化谱特性的变化与早期心肌缺血有内在关联.QRs波群进化谱品质因数Q是心电图在时一频域的一个特征参数,Q数值变异可能为识别早期心肌缺血提供一种新的医学诊断参考特征.     

时频分析在舰船低频声信号分析中的应用

舰船辐射噪声是一个非平穗过程,以傅立叶变换为基础的传统谱分析方法已经难以发挥作用.时频分析因其在时一频域都具有表征信号局部特征的能力而成为非平稳信号分析的有力工具.通过对实验数据的分析处理,得到舰船低频辐射噪声的时频特征.     

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。     

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     

基于斜率突变的 QRS 波检测

在心电信号的分析中,QRS波群快速准确地检测是计算其他相关参数的前提.在正确识别R波的前提下,对心电信号进行频域变换后,以R渡点为基点,通过逐次计算R波左侧或右侧相邻两点的斜率并比较斜率是否发生突变,当相邻两点斜率突然发生变化时,可判断为Q波或S波.采用实时采集数据对以上算法进行验证,实验表明,该算法原理简单,计算量小,能够快速准确地检测心电信号数据中Q,S波的特征值.     

一种基于自适应小波变换的QRS波检测算法

为了解决心电图QRS波检测的问题,研究了一种基于自适应小波变换来检测QRS波的算法。该方法用心电信号的小波变换作为自适应白化滤波器的输入,然后对白化滤波后的输出进行匹配滤波和阈值检测来识别出QRS波。采用该方法,有利于减小检测的误检率以及提高运行速度。     

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     

正交小波变换的残余相关分析

构造了正交小波变换矩阵，分析了平稳模型和非平稳模型下正交小波变换的残余相关特性．实验结果表明，对于非平稳信号，正交小波变换的去相关性能好于离散余弦变换；而对平稳信号，正交小波变换性能较差，因此，在数据压缩应用中，应使用正交小波变换与其它经典变换相结合的编码方法     

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.     

移频信号抗干扰检测算法研究

时域分析和傅氏变换的频域分析方法是现代铁路信号检测的主要方法之一 .随着铁路的发展 ,需要更多的信息量和更加有效的铁路信号检测方法 ,以满足铁路运输安全和高效率的需要 .近年来 ,现代频域分析已有很大的进展 ,出现许多新的信号分析处理方法 ,特别是小波和高阶谱分析的发展 ,已能分别对非平稳和非高斯信号进行有效地分析处理 .本文尝试采用小波变换对铁路移频信号进行分析 ,在分析时考虑交流干扰 ,得到铁路移频信号的完整参数 ,并给出仿真结果     

基于小波包分析的内燃机振动诊断方法研究

针对内燃机缸盖振动信号的非平稳时变特点,通过给出小波包变换的一种改进算法,提出从振动信号的小波包分解系数中实现整循环征兆提取和故障识别的方法．实验结果表明了该方法的工程有效性．     

小波变换在信号奇异性检测中的应用仿真研究

小波变换突破了传统傅里叶变换等信号处理方法,在时域和频域上可同时对信号实现局部化处理,更符合信号非平稳的变频带结构特征,因而在信号检测奇异性等方面具有广泛的应用价值。简要地介绍了小波应用在信号奇异性检测方面变换的基本原理,最后通过仿真实验进行验证。     

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。     

小波变换对于ECG信号中QRS波的检测

QRS波检测是ECG信号分析中的关键问题，设计采集系统，使得输入ECG信号的噪声干扰相对较小，并依据小波变换的奇异性和信号变换剧烈关系，对ECG信号中的QRS波进行检测。试验表明该方法在奇异信号检测和局部化分析方面具有较好的特性。     

非平稳大地测量信号特征信息小波识别

将小波变换和Fourier变换的谱分析结合起来,在时域中记录大地测量信号序列的突变时间,在频域中提取信号突变的频段,通过序列在小波变换各尺度上的小波能量时谱和能量频谱可以得到大地测量内涵的主要复杂过程的有关尺度层次,进而分析、识别内涵的特征信息.仿真实例表明,该方法既保证了特征信息提取的质量,又降低了计算的时空复杂度.对山东基准站的YATI站和WUDI站的年周期、半年周期、季节周期数据进行实例分析,识别提取了特征信息,效果良好.     

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。     

小波减噪和双谱分析在轴承故障诊断中的应用

提出了基于小波减噪技术和双谱分析的滚动轴承故障诊断的方法。利用小波变换及其减噪技术对滚动轴承早期微弱故障振动信号的特征频率进行提取，采用双谱估计可绘出滚动轴承故障信号的特征图谱。实验表明，小波减噪和双谱分析方法可以敏感地监测滚动轴承工作状态，并且利用特征图谱可以有效地识别滚动轴承不同的故障特征。     

小波变换用于检测R波

该文以小波变换的极大值在多尺度间的变化与信号的瞬变有直接关系为基础，由小波变换的奇异点(过零点、极值点等)来观测R波，寻找它的起始点、波峰，并对常见的异常R波的选择给出了新的判别方法。实验表明，本方法对QRS(Q—wave，R—wave，S-wave)信号的提取和分析有很大的帮助。     

基于连续小波互谱的宽带Chirp信号DOA估计

提出一种时频域宽带源波达方向（DOA）估计算法．该算法通过计算参考阵元和其他阵元的连续小波互谱，构造出一种新的时频域数据向量模型，并利用Chirp信号的局部窄带特性，在信号的主要能量聚集区选择时频点构造时频相关矩阵代替传统的阵列相关矩阵，进行特征分解实现信号的DOA估计．该方法同时在空域和时频域进行处理，充分利用了时频分布的能量聚集性，实现了非平稳信号时频域的分离，仿真结果验证了新方法的有效性．