基于EEMD和改进功率谱熵的船舶轴频电场检测

为了提高强海洋背景噪声中对微弱的船舶轴频电场信号的检测性能,提出了一种基于集合经验模态分解(EEMD)和窄带功率谱能量峰值熵比(EPER)特征的检测算法.首先,利用EEMD方法从含噪信号中分解出一组有效固有模态函数(IMF),并对其功率谱进行子区间划分;其次,定义并计算了各子区间的一种改进功率谱熵特征——EPER;最后,通过分析轴频信号和环境噪声物理特征上的差异,结合K-均值聚类方法进行线谱子区间的提取,继而进行滑动检测.选用实测数据,与小波包熵滤波算法、小波阈值去噪算法、特征频段功率谱算法进行对比,处理结果表明所提算法具有更好的自适应性和检测性能.     

分段滤波在心率变异性功率谱分析中的应用

心率变异性是了解人体植物神经系统功能状态的方便窗口,近年来已成为心血管疾病临床研究的一个前沿热点。心率变异性长时程功率谱主要成份分为超低频、极低频、低频、高频,不同的频段具有不同的生理意义,文中介绍了了一种可得到各频段局部范围精细结构的分段滤波方法,从而利用于观察各频段的变化趋势,为医学上对心率变异性信号的进一步研究及临床上的应用提供科学的手段。     

不同频段功率谱熵及其在心电分析中的应用

为了探究频域信号的有用信息,提出了将不同频段的谱功率作为一个独立的信源计算其信息熵的新方法.以年轻(21~34岁)与年老(68~81岁)二组健康人及一组心率不齐患者(66~89岁)的心电图(ECG)为实验数据,根据其频域特征选取多个不同频段计算功率谱熵.结果表明,在0.7~1.5 Hz和1.5~5 Hz频段内的ECG功率谱熵,年轻健康组明显大于年老健康组(P<0.01,P<0.001),年老健康组明显小于其年龄相近的心率不齐病人组(P<0.001,P<0.001),用全频段分割法也得出了类似的结果.不同频段的功率谱熵是分析ECG信号的有效指标.     

中国计量学院 家用睡眠呼吸暂停诊断仪问世

世界卫生组织的调查显示，全世界有27％的人有睡眠问题。中国目前患睡眠呼吸暂停综合症的病人群约3000万-5000万。近日，中国计量学院徐文龙副教授等人研制出的“基于心电信号的睡眠呼吸暂停诊断仪”通过了省科技厅验收。验收组专家认为该仪器的技术方法属国内首创，     

基于差分阈值与模板匹配的心电R波提取算法

心电信号(electrocardiogram,ECG)是人体最重要的体征信号之一,R波是心电信号中最明显的特征参数.R波的正确提取是计算心率、分析心率变异性等其他参数的基础.以一阶差分为基础,结合模板匹配算法,在匹配的过程中采用阈值比较和匹配系数的心电R波检测方法,提高了R波检测的准确率.实验表明,该算法能够快速准确地检测心电信号数据中R波特征值.     

面向自然睡眠的老年人持续化心率检测方法

心率变异性蕴含着丰富的心脏及其神经系统活动信息,而心跳间隔检测是心率变异性分析的基础。本文基于居家环境下可持续使用的微动敏感床垫,通过自然睡眠过程中的持续监测,获取老人胸冲击信号,利用多层小波分析法识别信号轮廓,并通过抽取信号属性特征自适应提取心跳间隔。实验采集18位中老年人的真实胸冲击数据,提取其心跳间隔,并与同期心电图数据进行对比分析,结果证明所述方法具有较高的识别准确率。     

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.     

模糊C-均值聚类算法在心率变异诊断中的应用研究

对健康和心律异常的心电信号进行分析,经小波分解之后的心电信号实现R波的准确定位,提取心率变异性这一特征参数的5项指标.根据心率正常和异常体现在特征参数上的差异,用模糊C均值聚类算法得到心率变异的病症模式,并与正常心电数据进行比较.结果表明,心率变异特性具有明显的可分性,基于模糊C均值聚类算法可以得到较好的结果.     

心率变异性现代谱估计对不同年龄段正常人的分析

比较了经典谱估计与现代谱估计在心率变异性分析中的应用,指出了经典谱估计具有频率分辨率低和旁瓣泄漏的固有缺点,采用以自回归模型为代表的现代谱估计对心率变异性信号特别是短时心率变异性信号分析具有优越性,并对不同年龄段正常人的心率变异信号进行了分析和比较,分析结果表明:自回归模型功率谱估计在心率变异性分析中的有效性优于当前所使用的传统谱估计方法;随着年龄增长,HRV信号总能量及各频段能量明显减少.     

睡眠脑电的非线性动力学方法

在8例健康成年人的睡眠脑电监测实验基础上,利用已有的专家人工分期结果,提取睡眠各阶段特征数据,应用近似熵、复杂度和功率谱熵三种方法进行分析,从客观量化的复杂性度量来刻划睡眠深度的变化情况,对每个睡眠分期选取5000点数据,数据窗取1000点,逐次延时一个采样间隔得到几个时间序列,分别求复杂度,最后取均值即得此分期复杂性测度值,结果表明三种方法均与专家人工分期结果相吻合,近似熵算法复杂不适合在线分析;复杂度算法较简单,但数据粗粒化处理容易丢失信息;功率谱熵算法简单、快速及有效,因而用统计分析方法分析,表明功率谱熵能较好地反映睡眠深度的变化情况。     

基于ECG信号和体动信号的睡眠分期方法研究

为了研究整夜睡眠状况和睡眠过程, 利用多导睡眠仪(polysomnography, PSG)和体动记录仪, 分别记录被试的ECG信号和体动信号, 再对 ECG信号提取心率变异性(heart rate variability, HRV)的特征值, 并将其作为实验数据的特征参数。为了提高识别率和防止过度拟合, 将实验数据分为训练集和测试集, 设计一个用遗传算法改进的BP神经网络模型, 对样本进行训练和预测。研究结果表明, 改进的BP神经网络能有效地识别测试样本, 综合识别准确率为86.29%。将检测ECG信号和体动信号的穿戴式设备与睡眠分期识别算法相结合, 能够用于家庭睡眠监测, 也可作为睡眠疾病的初筛方法。     

基于Poincaré散点图和符号动力学的心电分析方法

心率变异性（heartrate variability,HRV）可以用于进行心脏相关疾病的预测、预防和预后评价等.结合心电散点图和符号动力学的方法,从ECG信号中提取HRV序列,绘制心电散点图,并对散点图中散点进行分区编号编码.计算不同编码的出现概率进而计算整个序列信息熵.以该熵值作为心电特征用于识别和分类.实验得到窦性心律和房颤心律的分类正确率为86.67%,窦性心律与伴有失常心律的早搏分类正确率为90%.证明该方法能有效分类窦性心律与失常心律.      

基于CF-MF-SE联合特征的非侵入式负荷辨识

针对目前非侵入式负荷辨识存在模型训练时间过长以及负荷特征相近的电器辨识精度不高的问题,提出了一种基于CF-MF-SE联合特征的非侵入式负荷辨识方法。以稳态电流信号为基础,通过提取峰值因数表征波形的畸变程度,采用裕度因子表征信号的平稳程度,谱熵表征频谱结构复杂程度,并结合PSO-SVM实现负荷辨识。结果表明,新方法可解决电器电流波形相近不易识别的难题,减少训练时间,有效提高识别准确率和效率。所提方法将振动信号特征作为负荷特征引入负荷辨识领域,为非侵入式负荷辨识技术的特征选取提供了新思路,其中谱熵作为对负荷敏感的关键特征,与其他特征组合可明显提高辨识率,为实际应用中负荷特征的灵活选择提供了参考。     

心率变异性的复杂性与分形维数分析

发挥非线性动力学的潜力，提出了心率变异性（ＨＲＶ）信号的复杂度分析法和分形维数分析法。由于这两种方法能从较短的ＨＲＶ信号中提取信息，因此作者又进一步把这两种分析方法发展成动态分析法。用这两种方法分别对一个改变体位的ＨＲＶ信号和一个发生心肌缺血的ＨＲＶ信号的过程进行了动态分析。分析结果表明，它们都成功地检测出了ＨＲＶ信号的生理和病理变化。可见，动态复杂度分析法和动态分形维数分析法对ＨＲＶ信号及类似于ＨＲＶ的信号是很有前途的分析方法。     

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。     

面向网络边缘侧的心电信号处理技术

随着边缘计算的兴起与边缘设备计算能力的提升,网络边缘侧开始拥有足够的计算能力和决策能力来提供实时性更强、反馈速度更快、可靠性更高的智能服务.以网络边缘侧作为应用背景进行心电信号(electrocardiosignal,ECG)处理技术的研究,结合形态学滤波与平滑滤波对心电信号进行去噪;以差分阈值法为基础进行R波检测算法的设计,通过引入一阶差分平方作为补充、使用RR间期对波峰进行筛选、阈值自适应更新等方法,减小噪声对R波检测算法的影响,提高R波检测的准确率.结果表明:本文算法具有较高的可靠性和实时性.