心电信号的房颤自动识别算法

为提高房颤识别的准确率和效率,提出基于心电信号的房颤自动识别算法.首先,采用二阶差分阈值法对R波进行初筛;然后,引入指数移动平均的方法动态验证初选出的R波,通过整体上移心电图、结合一阶差分阈值和实时调整窗口时间的方法解决影响R波准确率的问题;最后,基于临床经验,提出3条判别规则,从而筛选出相应的房颤片段.实验结果表明:文中算法的阴性预测率和特异性分别可达99.7%和99.8%,可有效帮助医生减少阅读量,提高工作效率和诊断准确率.     

基于小波变换的心电信号处理研究

在简述小波变换理论发展的基础上,介绍了心电信号的主要特点和研究内容,从两大方面概括小波变换应用于心电信号处理的国内外研究现状:一是去噪,着重介绍了小波阈值消噪的研究成果,概括了在母婴心电信号分离、去除肌电噪声、保留特征波形方面的研究现状;二是波形检测和特征提取,着重介绍了QRS波群检测、ST段检测和R波峰值提取的研究现状,以及小波与其他理论结合用于心电信号处理的研究成果。最后,展望了利用小波变换进行心电信号处理的前景。     

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.     

动态心电数据的小波网络压缩算法

研究了心电信号的非平稳过程特性,从时间序列建模角度分析动态心电数据表示模型和压缩算法。采用小波网络作为建模工具,将原始心电数据映射为小波网络的参数作为数据重构信息,给出压缩/重建的实验结果并分析讨论。研究表明,小波网络压缩算法继承了小波变换和神经网络的优点。具有较好的压缩性能。     

面向大规模校园WiFi网络服务质量边缘监控技术

针对WiFi网络需要实时监控和故障难以定位的问题,提出面向大规模校园WiFi网络的边缘测试方案.通过使用容器技术分发网络测试样本,快速将测试任务分发到部署的网络探针节点,从网络边缘侧测试网络性能,实时监控校园网络的运行状态.当WiFi网络发生故障时,根据从边缘节点采集的测试结果,结合网络拓扑信息,帮助网络运维人员分析导致网络故障的原因.实验测试证明,依托复旦大学WiFi网络,该边缘测试方案能快速分发网络测试样本,获取网络探针设备返回的测试结果数据,从而高效完成大规模校园网络监控任务.     

基于LabVIEW的虚拟心电分析仪中的R波检测算法研究

介绍了在LabVIEW平台上实现的实时虚拟心电信号分析仪的R波检测算法.该算法利用二阶差分极小值来定位R波,它具有实现简单、速度快、定位准确等优点,为心电信号的HRV进一步研究工作提供了基础.     

利用声耦合的电话线传输心电信号的技术

介绍了一种利用电话线传输心电信号的技术,在此基础上研制的心电遥测与监护系统可同时将两个闰人的共４个导联的心电信号实时传送到医院的监护中心,供医生及时诊断与指导治疗。它具有实时采样,存储,回放,冻结,开窗放大处理,打印等功能,显示的波形稳定,无基漂。     

心电信号中去除肌电干扰信号的研究

心电信号是一种极易受环境影响的微弱信号,其中夹杂的各种干扰噪声增加了心电信号的分析和诊断难度.针对心电信号中的肌电干扰信号,设计改进型分布式FIR低通滤波器.以MIT-BIH心电信号数据库为样本信号,对该滤波器进行数值仿真和电路测试,研究表明该滤波器能有效滤除肌电干扰信号,能提升信噪比、降低均方差,提高心电信号检测的准确率.因此,该设计对去除肌电干扰信号是有效和可靠的.     

面向边缘计算的轻量化外力破坏目标检测算法

针对在复杂边缘计算场景下外力破坏目标检测识别精度低与实时性差的问题,提出YOLO-ERFA轻量化目标检测算法。该算法采用跨阶段残差结构的CSPDarkNet53-Tiny作为特征提取网络,在保证模型轻量化的同时提高检测准确率;在此基础上,通过改进空间金字塔池化并融合高效通道注意力机制构建特征增强层以提升模型精度和对多尺度目标的检测能力,并在训练阶段使用改进的Mosaic算法增加样本背景虚化以提高模型在复杂场景下的抗干扰能力。实验结果表明,该方法在测试集上检测平均准确率达到了91.58%,在Jetson TX2平台推理速度达30 FPS,且模型内存大小仅为26.50 MB,提高了算法在边缘计算设备上部署的可行性。     

智能电网用户侧的超密集边缘计算网络卸载方法

随着中国经济的飞速发展,日益增长的居民用电需求和不断增加的用电设备类型使得新型智能电网设备的可靠性、稳定性受到广泛关注,然而仅依靠传统单一的网络架构往往无法应对大规模电网设备的数据请求。首先,针对智能电网用户侧的任务请求,提出一种超密集边缘计算网络下的成本优化模型;其次,考虑到通信资源和计算资源的价格对卸载策略的影响,将资源利用成本作为优化目标;最后,为了提高电网设备请求的服务质量,考虑能耗和时延约束的任务卸载策略,提出莱维飞行-蜉蝣粒子群优化（Lévy flight- Mayfly Particle Swarm Optimization,Lévy-MAPSO）算法。结果表明：不同价格对资源利用成本的影响十分显著。与PSO和Lévy-MA算法相比,Lévy-MAPSO算法由于其群体多样性和强大的搜索能力,所得到的资源利用成本最低,性能最好。     

多阶段边缘检测算法

提出一种新颖的图像边缘检测算法,包括边缘检测和边缘增强两个阶段.在边缘检测阶段,新的检测算子不仅可以克服传统算子对边缘拐点、终点的漏检现象,还可以有效地去除噪声,从而更加精确地定位边缘.在边缘增强阶段,引入Hopfield神经网络,通过迭代计算网络优化的能量函数,逐步地弥补缺失边缘、消除假边缘,达到边缘增强的目的.最后针对不同类型图片进行边缘检测,得到较好的结果,证明了该算法的可行性.     

一种面部图像处理的边缘检测方法

介绍在3×3小矩阵中直接采用中心像素值与周围各像素值分别求差,再分别将各个差值与阈值相比较,最后将各个结果综合起来判断此像素点是否为边缘点的方法。判断过的像素点对当前阈值进行了一定的修改,使之随实际情况上下浮动,更有利于当前像素点的判断。实验证明,该方法检测出的边缘更完整,噪声也能更有效地去除。     

图像处理过程中的边缘检测和边缘配准

综述了在图像处理过程中的边缘检测和边缘匹配的算法并比较了各算法的性能,同时在牙齿三维模型建立的实验中实现了边缘检测,同时根据边缘检测出来的Z子线,以及轮廓线与模型进行配准.     

基于图像处理技术的尺寸测量中边缘定位算法

为了进一步提高图像的定位精度,设计了一种基于插值理论的精确定位细分算法.通过多尺度小波变换与三次样条插值相结合,实现了亚像素级的测量.基于多尺度边缘检测的小波边缘检测方法,既能对边缘进行准确定位,又可以有效去除噪声干扰,提高边缘检测的稳定性和准确性.三次样条插值函数是分段插值函数,算法复杂度低、段与段之间连接处平滑、具有快速收敛性和稳定性.将上述两种融合的边缘定位算法,可以对图像进行精确检测和测量,其精度达到0.001个像素.     

神经网络在信号处理中的应用

运用ＢＰ网络来消除信号的随机噪声和模式识别，作为例子，考虑了正弦波、矩形波和三角波３种信号。在５０％噪声情况下，ＢＰ网络仍能有效地消除这３种信号中的随机噪声并正确地找出它的理想模式。     

用于图象处理的两种新边界检测算子

通过对线性和非线性拉普拉斯算子的分析，提出了一种新的边界检测算子－中值非线性拉普拉斯算子，该算子无方向性，既可保留边界，又可去除噪声，此外，还提出了另一种用图象灰度变换与边界提取相结合检测边界的方法，由此，产生了另一种非线性边界提取算子－灰度均衡化中值非线性拉普拉斯算子。最后对一幅加了盐－颗粒噪声的人物图象进行了计算机验证。     

基于小波变换的离子迁移谱信号处理技术

针对离子迁移谱信号受到噪声干扰的现状,本文提出利用小波阈值降噪的方法对离子迁移谱原始信号进行降噪处理.建立了基于小波变换的阈值降噪模型,以图谱中的1ng TNT信号为实验对象,对阈值计算原则、阈值处理方法以及小波基的选择进行了优化.结果表明：采用sym5小波,将原始信号进行3层分解后,根据固定阈值原则（Universal）获得的阈值,按照软阈值方法对小波系数进行处理并重构,原始信号中的噪声可以得到有效抑制.     

图像边缘处理技术

概述了目前边缘检测技术和边界跟踪技术,归纳了一些常用的处理算法,并根据边缘检测结果提出了几种后续处理方法,边缘连接及边界跟踪提取,以得到最终的结果:目标边缘图像。     

一种改进的基于梯度的自适应边缘检测算法

对常见的边缘检测算法进行改进,从梯度的定义出发,提出了一种应用于灰度图像的自适应阈值边缘检测算法.根据边缘处像素灰度值的差异,将模版中的9个像素分两组进行分析,计算出像素的梯度幅度和梯度方向.按梯度值的不同将图像分割成若干个区域,计算每个区域的灰度平均值,确定阈值,实现边缘检测.实验表明,该方法检测出的边缘更细、更准确,可以除去虚假的边缘,是一种有效的对灰度图像进行边缘检测的方法.