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.     

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％，     

自适应滤波器在胎动信号除噪中的应用

设计了一种新的基于小波变换的自适应滤波器，其参考信号选择原始胎动信号经小波分解后与干扰基本无关的尺度信号。该滤波器可有效去除胎动信号中由于呼吸、宫缩等动作带入的低频干扰，对咳嗽、发笑产生 的高频干扰也有很好的抑制作用。为提高胎动信号的识别率打下了良好的基础。     

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．     

心室晚电位识别的一种方法

论文采用小波包分析和人工神经网络相结合的方法完成对心室晚电位的识别。首先利用小波包分解技术提取心电信号的特征，将不同频带子信号的能量作为心电信号的一组特征值，然后采用径向基函数网络实现对晚电位的分类。经过对28例3导信号平均心电图实验数据的处理，取得了较高的识别准确率。     

二维图像小波分析的滤波器设计

滤波器的设计是实现二维图像小波分析的关键。在研究图像信号特征和一维小波变换理论的基础上，根据图像信号邻近像素的相关性提出了一种准对称边界延拓方法，用一维小波变换实现了二维离散小波变换，同时，在理论上证明了行的反向数据流的离散小波变换也是反向的，离散细节信号除反向外并改变符号的性质，并利用双正交滤波器的对称性建立了一种实现二维离散小波变换的滤波器结构，实现证明此方法有较好的图像重构性和信噪比。     

巴特沃斯小波构造与应用研究

讨论了小波与正交滤波器组的相互构造关系，以及由正交滤波器组构造小波所要满足的正规性条件，分析比较了由有限冲激响应（FIR）滤波器组构造出的小波与无限冲激响应（IIR）滤波器组构造出的小波，将基于IIR滤波器组的7阶巴特沃斯小波与基于FIR滤波器的Daubechies小波在信号降噪中中的效果进行了比较，得到了低阶IIR滤波器组构造的小波可以与高阶FIR滤波器组构造出的小波分析效果相似，证明Daubechies小波作为小波变换的一个分支，可以在数字信号处理中得到良好的应用。     

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。     

去除移动心电中运动干扰的前馈组合自适应滤波器

最小均方自适应滤波器(LMS-AF)和变步长LMS-AF(VSS-LMS-AF)通常用来去除移动心电信号中的运动干扰.运动干扰和移动心电信号的非稳态特性会增加自适应滤波器的失调,组合自适应滤波器(C-AF)虽具有跟踪非稳态信号的能力,但仍存在信号失真.为了进一步减小信号失真,提高去除运动干扰的能力,提出了一种前馈组合自适应滤波器(FFC-AF),采用参考信号对运动干扰的稳态程度进行估计,将两个并行的自适应滤波器的输出组合起来.用10位健康志愿者的移动心电记录进行了仿真实验,以评估FFCAF的性能.结果表明,文中提出的FFC-AF比C-AF具有更小的信号失真和更大的信号干扰率,可以用于移动心电信号中运动干扰的去除.     

多尺度小波变换在自适应滤波中的应用

分析了小波变换的基本理论和小波变换的多尺度分析，并根据多尺度小波变换的多分辨率特性，提出基于多尺度小波变换的自适应滤波，构造了其仿真模拟图，并对其进行了仿真，通过LMS自适应滤波和多尺度小波变换自适应滤波的信真图对比，表明该方法可行的。     

基于自适应小波变换的红外图像去噪算法

针对红外图像存在的加性、乘性及混合噪声,提出了一种自适应小波变换的图像去噪算法.该方法首先用小波变换对含噪图像信号进行小波分解,这样可以保证对图像中的不相关噪声的有效抑制,保持图像的细节信息.然后将经小波变换所分离出来的噪声成分作为自适应滤波器的输入,通过选用自适应滤波算法从而实现信噪分离的最佳滤波.仿真结果表明,本文提出的去噪算法优于已有的各种算法,提高了图像的对比度,突出了图像细节.     

多尺度分解下的自适应滤波器组的构建方法

通过分析自适应滤波和小波变换的多尺度分解滤波的原理与方法,建立了非平稳信号的多尺度分解下自适应滤波器组的构建模型和滤波方法.将小波变换分离出来的噪声成分作为自适应滤波器的输入,通过自适应滤波器组,能实现多种噪声成分的自适应滤波.通过模型验证和工程实例的应用,该方法能实现非平稳信号在同频段对噪声成分和有用信号的最佳估计.通过自适应滤波器组,能同时实现对多种噪声成分的最佳滤波,具有优良的滤波性能.     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明:该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

基于双树复小波变换与双边滤波的图像滤波

为了进一步提升高斯噪声的去除性能,提出了基于双树复小波变换与双边滤波的图像滤波方法.根据图像和噪声的分布特征,推导出一种自适应的阈值去噪模型.用去噪模型对双树复小波变换后的图像系数进行量化处理,再由双树复小波逆变换得到去噪图像,然后用改进的双边滤波方法对去噪图像进行边缘增强,改进的双边滤波核自适应于图像的特征,具有更好的鲁棒性.实验结果显示,该方法相对于现有的性能较好的方法,PSNR高出大约0.8 dB,SSIM高出大约2.3%.实验证明了该文提出的方法在去噪效果和细节恢复上优于已有的方法.     

小波变换域多路回波消除自适应滤波算法

提出了一种小波变换域Newton／LMS多路回波消除自适应算法．新算法使用输入信号经离散小波变换后的细节分量调节自适应滤波器系数．当新算法应用于多路回波消除时具有很高的收敛速度和收敛精度，取得了较好的回波消除效果．仿真表明了新算法的有效性。     

单历元GPS变形信息特征提取的EMD方法

为了准确地对单历元GPS变形信息特征进行提取,提出应用EMD（经验模式分解）方法对变形数据进行去噪处理。通过对实际工程算例进行分析并与小波变换及中值滤波方法进行对比,结果表明：EMD方法的去噪效果优于中值滤波方法,同时EMD方法具有自适应滤波去噪的功能．避免了应用小波去噪时其效果与小渡基函数的选择相关的缺陷。在对变形数据进行有效去噪的基础上,应用EMD方法可以完成对单历元GPS变形信息进行有效识别并提取出微弱的变形特征。     

基于小波自适应阈值的图像去噪方法

针对基于小波变换的阈值去噪方法仅适用于去除高斯白噪声,对于脉冲噪声得不到好的降噪效果的问题,提出了将小波自适应阈值算法同中值滤波相结合的去噪方法.该方法能够有效去除高斯白噪声和脉冲噪声的混合噪声.仿真实验结果表明,去噪后图像的峰值信噪比提高了1～2dB,从而证明了该方法的有效性.