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     

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。     

信号叠加技术在心室晚电位信号检测中的应用

心室晚电位（ＶＬＰ）怀心肌死及室性心动过速是密切相关的，所以ＶＬＰ的无创检测可为临床诊断提供有效的依据，但ＶＬＰ信号常被噪声所淹没，直接检测非常困难，利用信号叠加技术处理ＥＣＧ信号，可有效消除噪声，使ＶＬＰ信号能准确地检出，在信号叠加过程中，同步参考点位置的确定至关重要本文介绍了利用截取固定度确定同步参考点的方法。     

心室晚电位测定1352例的研究

对１３５２例晚电位检测病例进行了分析。结果显示：所有病例晚电位阳性率为５．４０％，束支阻滞，心肌硬塞，心律失常，心室肥大ＶＬＰ阳性率高于其他心脏疾患。初步探讨了ＶＬＰ与几种心脏病的相关性，对束支阻滞时ＶＬＰ阳性可靠性提出质疑认为应结合频域分析加以鉴别。     

CuCl_(2)-FeCl_(3)-H_(2)SO_(4)复合石墨夹层化合物的水热合成及其表征

首次报道ＣｕＣｌ２ＦｅＣｌ３Ｈ２ＳＯ４复合石墨夹层化合物的水热合成制备及其表征,详细研究了反应条件对水热夹层反应的影响和产物的热分析,根据Ｘ射线衍射分析和产物片状单晶新鲜解理面的ＸＰＳ分析结果讨论了产物的结构模式;与石墨相比,产物片状单晶碳层面电导大幅度减少,低温比热测量表明石墨中的插层物呈现“纳米粒子”状态．     

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.     

瞬态信号波形提取的子波变换方法

提出了一种把子波变换与假设检验结合起来从噪声中提取有用瞬态信号波形的方法。先对瞬态信号加高斯噪声的混合信号进行离散子波变换得到了子波系数，根据假设检验理论确定门限，把子波系数与门限进行比较，如果子波第数大于门限，则保留这些子波系数，否则置为零。     

基于小波变换的电力信号奇异性检测

电力信号奇异性是分析事故时间和原因的重要依据,小波变换能在时域和频域上同时对信号实现局部化处理,能准确的定位信号的奇异点,因而在信号的奇异性检测方面有广泛的应用价值.本文介绍了小波变换对电能质量信号检测的基本原理和方法,并通过MALAB仿真实验验证.     

Fabric Defect Detection Using Adaptive Wavelet Transform

A method of woven fabric defect detection using the wavelet transform adaptive to the fabric has been developed. With reference to the orthogonality constrains of Daubechies wavelet, by taking the minimization of the energy or the gray level of the pixels hi the output sub-images as the additional conditions and using the random algorithm method, two sets of wavelet filters adapted to the fabric texture were formed. The original images of normal fabric texture and the fabric texture with defects were decomposed into horizontal and vertical sub-images by using these filters and the feature indices of these sub-images were also extracted. By comparing the feature indices of the normal texture with that of the defective texture, the fabric defects can be successfully detected and located.     

小波包变换及其在低信噪比雷达信号检测中的应用

雷达对目标进行检测之时，常常遇到目标回波信号被噪声污染的问题。为了把弱目标信号从强噪声背景中检测出来，对小波包变换良好的时频分析特性进行了分析，根据信号与噪声具有不同的Lipschitz指数，通过引入子频带∞-范数，对信号和噪声进行频谱分析，将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量，应用浮动阈值去噪方法，解决了低信噪比情况下的雷达信号检测。最后，通过计算机的数值计算，模拟了小波包变换和小波变换在低信噪比雷达信号检测中的具体应用，得出了在低信噪比信号检测方面小波包变换优于小波变换的结论。     

基于小波变换的二相编码信号检测

针对低信噪比条件下相位编码信号检测效果差的问题,运用粗细定位相结合的思想,采用双尺度小波变换对二相编码信号进行了研究.该方法在大尺度的模值点上,对信号的奇异点进行粗略定位;在小尺度的模值点上,对信号的奇异点进行精确定位,进而实现了对二相编码信号的检测.通过仿真实验表明,该算法在信噪比优于0 dB的情况下,可以较好地完成...     

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.