用小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。     

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     

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一的检测准确率。     

基于小波变换的心室晚电位检测

采用改进的小波变换对２８例信号平均心电图进行小波分析，得出其频谱标测图，并计算了晚电位检测的一种定量标准———正常因子．研究结果表明，利用小波变换分析晚电位是一种较好的方法，按照正常因子标准，２８例信号平均心电图中包含的６例晚电位阳性全部检出，且没有错检，说明其检测的准确性很高     

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.     

基于盲源分离的心室晚电位信号检测

采用快速独立分量分析方法研究了心室晚电位信号的特征提取和检测,提出了利用通道扩展的方法,将有限的2通道数据扩展为4通道数据.通过快速独立分量分析方法进行盲源分离,实现了心室晚电位信号与正常心电信号的完全分离.仿真结果表明,利用独立分量分析方法对心室晚电位信号的特征检测是一种行之有效的手段.     

WLP-2800心室晚电位检测仪

世界卫生组织的统计数字表明,心血管病患者的死亡情况至少有一半是猝死。因此,猝死的研究与防治是现代心脏病学的研究重点之一。80年代出现了一种无创伤性的心电检测技术——体表信号平均心电图。心电图中QRS波终末部分高频低幅的碎裂波称为心室晚电位。电生理学的研究表明,心脏病患者室性心率失常及心脏性猝死的发生跟心室晚电位的出现有密切关系。但是,从体表检测     

基于小波变换的电能质量扰动测量方法

对电压幅值变化现象的定量检测问题进行了研究．定义了基于两个实值小波归一变换的幅值及调整幅值的概念．证明了只要这两个实值小波函数一个为偶函数、一个为奇函数并满足一定的条件,则基于这两个实值小波归一变换的调整幅值在非故障区间内的值恰好等于1,而在故障区间内的值恰好等于故障区间的电压幅值与非故障区间的电压幅值之比。最后选用两个实值小波函数,应用基于这两个实值小波归一变换的调整幅值对电压波形畸变进行了检测,模拟结果显示该幅值检测图不仅能准确定位故障发生和终止时刻。而且可精确地定量显示出电压变化的幅度。     

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 (...     

选取小波函数的方法研究

在利用小波变换轮廓术进行三维面型测量时，由于满足存在条件的小波函数很多，而以前的研究论文，很少有针对小波选择问题的讨论，使得我们在如何选择合适的小波函数的问题上存在困惑.通过选取几种不同的小波对同一图像进行利用连续小波变换（CWT），比较不同小波在小波变换系数“脊”处的幅值和恢复图像的效果，得出通过参考小波变换系数幅值表现的方法来选取合适的小波函数的结论.计算机模拟和实验也证实了该方法的正确性.     

支持向量机在表面肌电信号模式分类中的应用

采用小波变换的方法对实验采集的原始四通道表面肌电信号(sEMG)进行了分析,并提取小波分解系数的奇异值构建特征矢量,利用“一对一”分类策略和二叉树设计的多类支持向量机(SVM)分类器,很好地实现了对前臂8种运动表面肌电信号的模式分类,8种运动模式的平均识别率为98.75%.研究表明SVM分类准确率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且识别精度高,鲁棒性好,对肌电信号及其他非平稳生理电信号的模式识别,提供了一种具有良好应用前景的新方法.     

基于小波神经网络的入侵检测系统

利用小波变换在信号处理方面的时频分析能力和神经网络对任意非线性函数的逼近能力，提出了一种基于小波神经网络的入侵检测方法．用小波变换代替普通神经网络的激励函数，能有效地提高网络样本训练的效率和速度，在仿真结果中体现出有很好的收敛速度和学习能力，比较适合用于入侵检测系统中．     

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题, 提出一种采用基于小波变换的计算机生成图像鉴别方法. 首先在进行图像多维小波特征提取时, 通过一次分解二维离散小波变换提取图像小波特征, 根据图像小波特征进行n级小波分解提取图像多维小波特征向量; 然后通过三维变换域波去噪算法（BM3D）提取计算机生成图像噪声特征; 最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别, 通过SVM分类器对图像多维小波特征和噪声特征进行分类, 以解决两种特征融合形成线性不可分的高维特征问题, 从而实现计算机生成图像的准确鉴别. 实验结果表明, 该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.     

基于小波神经网络的变压器PD故障诊断模型的研究

为了更好地提取ＰＤ的特征信息,结合小波变换和神经网络的优点,提出了一种基于小波神经网络变压器ＰＤ故障诊断模型,并对特征向量的选取和网络功能进行了介绍。     

基于小波特征提取和概率神经网络的机械故障诊断

论述了基于离散小波变换系数的特征提取和概率神经网络在机械故障诊断中的应用。该方法利用离散小波获取振动信号各有效频带的能量作为故障参数,用概率神经网络构建设备运行状态模型,根据历史数据确定故障值并设置故障参数。实验结果从应用程序对轴承故障诊断表明,相比传统方法,该方法能够有效地提取测试信号内在的重要信息内容,并增加机械整体故障诊断的准确性,在机械设备故障处理系统中有良好的应用前景。     

基于离散小波变换和RBF神经网络的说话人识别

为提高说话人识别系统的性能,结合离散小波变换与RBF神经网络提出一种说话人识别新方法。把小波变换与美尔频率倒谱系数提取相结合,使用离散小波变换代替美尔频率倒谱系数中的离散余弦变换,提取变换谱振幅作为特征参数。使用逼近能力、分类能力和学习速度均更优的RBF神经网络取代常用的BP网络,采用与输入样本相关的方法优化RBF网络初始权值选取。不同语音长度和信噪比的实验表明,系统识别率和鲁棒性均得到了提高。     

不同径流尺度的小波神经网络预测

本文探讨了小波神经网络在径流预测中的应用。该方法结合了神经网络和小波转化的优点,弥补了人工神经网络在预测应用中的不足,较好的追踪预测径流时间序列中的突变性,强转折性,奇异性点等。并且本研究通过与人工神经网络预测方法比较研究,得出小波神经网络能取得更高精度的不同尺度的径流预测值。     

一种基于小波变换的盲水印检测算法

提出一种在图像经小波变换后的小波系数上处理数字水印的方法，该水印的检测算法是用神经网络方法来实现，实验表明了水印具有较强的鲁棒性。     

用提升小波变换提取诱发脑电

提出了一种利用小波分解和重构进行诱发脑电信号的有效提取方法.改变了小波变换的Mallat算法运算量较大,难于满足某些实时性较高的系统需求,采用提升小波变换进行诱发电位的提取,其运算量只有传统方法的一半左右,有助于提高系统的实时性.实验结果表明:用提升小波变换提取诱发脑电信号,能有效的改进实验曲线的信噪比、缩短信号的处理时间,将可以提高BCI系统的通信速率.