T波对齐在T波交替谱分析中的对比研究

T波交替是一种心电变异现象,具体表现为心电信号中T波段形态和幅度逐拍交替变化。传统的谱分析法一般通过拍频域中0.5 cycle/beat的功率谱值来检测T波交替,但在检测过程中不同的对齐方式将影响谱分析T波交替检测结果,因此将基于谱分析方法进行T波交替检测,重点对比研究峰值对齐及点乘最大对齐两种方式,并相应地给出最佳对齐方式,研究可得点乘对齐所测的交替幅度更接近于真实幅度。     

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.     

低采样率心电非稳态T波交替分析方法

心电T波交替现象与室性心动过速和室颤易发性有关,已成为预测心脏性猝死的一个无创的临床指标。目前T波交替变异性分析中常用平均功率谱分析方法,为弥补其不具备时间分辨率的不足,将Wigner-Ville时频分布(WVD)应用于T波交替变异性分析中,可反映T波交替随时间的动态变化。并提出基于相位谱修正的波形对准算法,降低了低采样率下心电信号误对准噪声对T波交替检测的影响。经仿真实验及MIT-BIH数据验证,该方法可使T波交替分析的应用范围从原先1kHz以上的高采样率心电数据扩展至200Hz及以上的低采样率心电数据。     

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。     

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 (...     

非接触动态心电监测系统研究

针对传统心电监测电极需要与皮肤直接接触易,引起皮肤不适且准备时间长的问题,设计了一种新型非接触动态心电监测系统。该系统基于电容耦合原理,采用三同轴电缆屏蔽驱动与接地屏蔽技术,有效地提高了系统的输入阻抗。建立了电极等效电路模型,分析了噪声的关键影响因素,对电路的结构与参数进行了优化分析。实验结果表明,该系统能够在静止和非剧烈运动两种状态下非接触测量心电波形中QRS波和T波,实现心电信号的非接触有效测量。     

便携式心电信号检测仪的研究

针对人体生物医学信号的特点,以ARM处理器LPC2138为核心,结合嵌入式操作系统研究了一种实用的便携式心电信号检测系统。设计了硬件检测电路,将微弱的心电信号进行采集、放大及滤波后提取出来传至ARM处理器进行处理与分析,并将心电波形显示在LCD显示屏上。实验测试表明,该系统能全面实现对心电信号的检测,具有较高的实际应用价值。     

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.     

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.     

基于分形盒维数检测QRS波群定位方法

应用分形盒维数检测理论，对心电信号的分形特征进行了研究，结果显示不同格子尺度下检测到的覆盖信号盒子数与格子尺寸之间存在密切的对数线性关系，这表明心电信号也具有分形特性。同时，研究过程中还发现当采用一个时间窗来对信号进行检测时，在心电信号中QRS波群位置检测到的分维较大。而且这种差异很显著。在这个发现的基础上，提出了基于分形盒维数检测的心电信号QRS波群定位方法，经实际应用表明该算法速度较快，并能有效去除干扰，可用于心电信号特征点的实时检测中。     

基于粒子滤波的多导心电信号的T波交替分析算法

对于多导心电信号中非稳态和非高斯的T波交替(Twavealternans,TWA)现象的分析,现有的方法都存在稳健性差的问题.提出了一种基于粒子滤波的多导联TWA分析方法,根据多导联TWA的分析框架,对经过预处理后得到的多导联ST-T段数据首先进行主成分分析,然后采用粒子滤波的方法对变换后每个通道进行TWA检测和对重构后的各导联进行TWA幅值估计,从而实现多导联T波交替的分析.仿真实验结果表明,当交替信号与噪声的比小于-15dB,多导联的粒子滤波方法的估计TWA幅值准确度高,并且没有出现TWA的漏检和误检情况.同时,对非稳态和非高斯的TWA具有很好的稳健性和抗噪性能.     

基于粒子群和非参数检验的T波交替联合检测方法

为了提高TWA检测方法的准确性和鲁棒性,提出了基于粒子群与秩和检验的T波交替联合检测方法.通过基于高斯核的心电图模型,利用粒子群算法来最优提取和对齐T波,提高了T波提取的鲁棒性和可靠性,降低了由于畸变T波引起的TWA误检和漏检.同时,基于非参数方法来定量和定性计算TWA参数,由于无需估计TWA的概率模型,提高了对现实复杂TWA现象检测的鲁棒性.仿真实验表明,测量的幅度与参考的真实值的相关系数达到096.标准的TWA数据和实际的心电图数据测试表明,所提出的TWA检测方法具有较高的鲁棒性.     

一种新的基于模型的T波定量分析方法

T波的定量分析是T波交替定量分析的基础.针对T波定量分析中面临的T波非对称性、逐搏间动态变化以及动态监护环境下的脉冲噪声干扰问题,从随机系统动态建模与估计理论出发,提出一种新的适用于T波定量分析的心电信号动态模型,建立逐搏T波波形检测与分析的非线性Bayes估计框架,实现强噪声背景下单通道T波的逐搏定量分析,为动态监护环境下基于简单导联的逐搏T波交替信号定量分析奠定理论与技术基础.最后通过实测数据验证了文中算法的有效性.     

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。     

无线遥测电子吊秤的系统设计

介绍了利用单片微机对无线遥测电子吊秤中称质量传感器的微伏信号进行自动测量、信号编码、无线遥测发射接收、信号实时处理、显示、打印等处理方法。采用无线传送称质量数据,使称质量物体操作更加简捷方便;在电路设计中,采用PPCM体制,使发射、接收功率大为降低,耗电非常之小;采用二次编码、解码技术发送接收,抗干扰能力显著提高;并且硬件电路软件,使硬件电路简单,性能价格比高。     

基于粒子群优化-支持向量机的睡眠呼吸暂停检测

睡眠呼吸暂停（sleep apnea,SA）是一种睡眠障碍疾病,严重影响睡眠质量和身体健康。为降低睡眠呼吸障碍检测的复杂度并提高准确率,提出了一种粒子群优化支持向量机（particle swarm optimization-support vector machine,PSO-SVM）方法,通过心电信号实现对SA的准确检测。首先,将心电信号分段,并从中提取心率变异性;其次,实现特征提取与选择,包含心电信号RR间期的均值、标准差、均值标准差、差值均方的平方、心率变异性的信号总功率、低频段功率、高频段功率、瞬时中位频率、边际谱熵和能量谱熵等;最后通过PSO-SVM分类算法进行睡眠呼吸暂停检测。结果表明,本方法筛选10个特征对SA检测,利用Apnea-ECG数据库通过PSO-SVM检测准确率为94.0%,提升了现有方法的检测性能。     

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