一维离散小波变换在心电信号降噪中的应用

为准确提取反映心电信号的特征信息,提出应用一维离散小波变换实现对心电信号的降噪处理方法。首先介绍了一维离散小波变换的基本思想;其次,应用小波分解与重构的方法(Mallat算法)在MATALB环境中编程实现对心电信号的降噪处理;最后,引入降噪信号与原信号的能量比(ENR)、均方根误差(RMSE)和自相关系数(AC)作为小波变换的降噪评价指标。可见,该方法能够有效地去除心电信号中的噪声干扰,对于实现心电信号特征信息的提取具有一定的参考价值。     

基于心电信号提取呼吸信号的算法

为了通过心电监护完成对多种生理信号的检测, 降低监护设备的复杂性, 根据呼吸运动对心电信号的影响, 提出一种由心电信号提取呼吸信息(EDR: ECG-Derived Respiratory Signal) 的算法。首先, 根据Pan&Tompkins 算法从心电信号中提取R 波; 然后使用自然三次样条插值算法对心电信号的基线进行估计, 去除基线漂移, 得到干净的心电信号; 最后获取干净的心电信号R 波, 利用自然样条插值算法得到R 波幅值调制信号, 提取出呼吸信息。通过Matlab 软件对该算法进行验证, 并进行相关的分析比较。仿真结果表明, 该算法能从心电信号里提取呼吸信息。通过与数据库中同时记录的呼吸数据进行比对, 证实了算法的有效性。     

基于直接算法的虚拟式小波变换信号分析仪

介绍了作者研制开发的一台基于直接算法的虚拟式小波变换信号分析仪，从而实现了用直接算法对信号进行离散小波变换和连续小波变换的功能。介绍了小波变换的直接算法公式，即由小波变换的原始公式通过直接数值化方法获得的数值算法公式。作者通过研究获得了直接算法中的一些结论，如离散小波变换直接算法中对小波的采样原理和技术、小波尺度范围的限定，边缘现象的解决措施，以及连续小波变换直接算法中的一些结论。基于这些研究，结合虚拟仪器技术开发出的基于直接算法的虚拟式小波变换信号分析仪能用任何母小波对信号进行离散小波变换和连续小波变换。它即可用于对母小波的研究和对小波理论的学习，也可用于一些工程信号分析。给出了分析仪应用的几个典型例子，表明本文的分析仪在许多情况下可以获得应用。     

心电信号的降噪处理及其评价研究

为抑制心电信号中存在的噪声干扰,以利于准确提取反映心电信号的特征信息,文章提出应用一维离散小波变换实现对心电信号的降噪处理方法.通过对MIT/BIH心电数据库中的心电信号进行仿真,研究结果表明,该方法能够有效地去除心电信号中的噪声,对实现心电信号特征信息的提取具有一定的实用价值.     

基于一维离散小波变换的心电信号降噪研究

针对心电信号中含有噪声的现象,为了准确提取反映心电信号的特征信息,该文提出了应用一维离散小波变换实现对心电信号的降噪处理方法.研究结果表明,该方法能够有效地去除心电信号中的噪声,从而为进一步实现心电信号特征信息的提取提供了有效的参考价值.     

基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换（DWT）和小波包分解（WPD）的语音增强算法.该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构.计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪.     

基于离散平稳小波变换的心电信号去噪方法

本文提出一种基于离散平稳小波变换的心电信号去噪方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的去噪方案。该方法能有效克服传统离散正交小波变换去噪时容易产生Gibbs现象,从而达到保持心电波形特征且抑制噪声的双重目的。     

一种基于离散傅里叶变换的小波变换的快速算法

小波理论中的多分辨率分析和Mallat算法近年来已在数字信号处理中得到了广泛的应用．但如果直接按照上述算法计算信号的小波分解和重构,其计算量将是很大的．通过对离散傅里叶变换及Mallat算法原理的分析,针对离散小波变换算法结构特征,对其结构进行了重组,在此基础上利用快速傅里叶变换,提出了一种快速离散小波变换算法,并从理论上进行了分析和论证;与直接算法相比,可有效降低运算量．     

基于小波变换特征提取的支持向量机心搏分类研究

在对心电信号进行离散小波变换并提取优化特征组合的基础上,利用标准算法(l-a-r算法)和二叉树算法分别构建支持向量机分类器实现心电图的分类,对不同小波下提取不同维特征向量构建的分类器性能进行比较,同时对取自MIT-BIH数据库的4类心电图(正常心搏、左束支传导阻滞心搏、右束支传导阻滞心搏和起搏心搏)进行分类.结果表明,采用标准算法对db2小波下8维特征向量训练的支持向量机分类器分类性能最优,总体分类正确率达98.770/0.     

基于Fourier变换离散化的连续小波变换频域算法

对于固定的尺度,小波变换是待分析信号与小波基函数的线性卷积。当小波基函数的Fourier变换有显式表达式时,利用其Fourier变换进行线性卷积称为小波变换的频域计算方法。由于线性卷积的长度大于信号的长度,因此,选取线性卷积中的哪一部分作为小波变换的系数也是一个亟需回答的问题。本文利用Fourier变换的离散化和离散Fourier变换的关系由小波变换时域算法推导了小波变换频域算法,证明了时域算法与频域算法的等价性;解释了这两种方法分别应该选取线性卷积中的哪一部分作为小波变换的系数;分析了频域算法产生边界效应的原因;给出了频域算法中参数的选取方法,以便克服边界效应。时间复杂度分析以及数值实验均表明了频域算法至少比时域算法减少了1/3的运行时间。     

离散小波变换在电力系统故障检测中的应用

传统的傅立叶分析难以处理电力系统故障时产生的暂态信号.小波变换具有良好的时频局部化特性,为分析非平稳、突变信号提供了有效的途径.通过多尺度分析,将连续小波变换离散化,得到适合数字信号处理的快速算法——离散小波变换.最后给出了应用离散小波变换进行输电线路故障测距的实例,通过仿真分析证明该方法可以极大地提高测距精度.     

基于变换域的数字语音水印算法研究

结合离散小波变换和离散余弦变换在信号处理领域的优点,研究了基于变换域的数字语音水印算法.将宿主语音信号通过离散小波变换获得人耳不易察觉的低频分量后,根据均值量化的离散余弦变换直流系数正负性不易改变的特点,实现了零水印盲检测实验.结果表明,该算法有效地提高了数字语音水印的透明性、鲁棒性和抗攻击能力.     

一种DTT域的二维线性卷积算法

提出了一种在二维离散三角变换(DTT)域进行线性卷积的算法.首先推导出N1×N2的二维离散余弦变换Ⅱ型(DCT-Ⅱ)与2N1×2N2的二维离散傅里叶变换(DFT)之间的关系武,并将二维DFT的卷积乘积表达式转换成在对应的二维DTT域表示;然后给出了线性滤波器下输出信号的DCT-Ⅱ与输入信号的DTT之间关系的显式表达式;最后,分析了该算法的复杂度.结果表明,当滤波器大干5×5时,该算法计算复杂度远低于常见的空间域滤波算法.另外,在已知二维信号平移后的DCT-Ⅱ系数情况下,该算法比DFT域滤波算法具有更高的计算效率.     

基于数学形态学的掌纹图像分析

讨论和分析了数学形态学在在线掌纹图像处理中的应用.该方法应用数学形态学进行掌纹定位分割和增强处理.结合在线掌纹图像的特点采用形态学运算提取掌纹轮廓线,规范手掌质心,然后选取以质心为中心的合适大小的方形区域作为特征有效区域.在有效区域内进行形态学Bot-Hat变换检测出掌纹纹线进行增强处理,对增强后的图像进行傅立叶变换在频域空间进行特征提取和匹配.通过实验,论证了上述方法的有效性和可行性.     

基于小波变换和中值滤波的医学图像去噪

简单介绍了离散小波变换、二维小波变换分解与重构和中值滤波的原理,提出了利用小波变换、中值滤波对含有高斯和脉冲两者混合噪声的医学CT图像进行去噪的一种新方法。实验结果表明:这种方法能够有效改善图像质量,较好地保持图像视觉效果,降低图像噪声;此方法的效果优于单纯的小波变换或单纯的中值滤波或先中值滤波再小波变换去噪的方法,是去除CT图像中含高斯和脉冲两者混合噪声的一种比较理想的方法。     

一种基于混合域的彩色图像盲水印算法

采用混沌序列加密并定位,提出了一种基于混合域的二值水印嵌入方法,也可用于归一化灰度水印的嵌入. 该方法将图像分解为R,G,B三个分量,分别对每个分量进行离散小波变换,在小波变换的低频区进行离散余弦变换,在离散余弦变换域中利用混沌序列对水印信息嵌入位置定位,水印信息的嵌入采用频率系数比较的方法.实验结果表明,该算法在满足水印透明性的同时,水印信息在噪声干扰、图像处理、人为恶意攻击及图像压缩条件下具有很好的鲁棒性. 应用混沌序列,在完成水印信息定位的同时增强了算法的安全性.     

基于DPSS的高噪声条件下混合LFM波形提取方法设计

 随着电磁对抗与反对抗技术的不断发展,低截获概率信号应用越来越广泛。传统的信号提取方法对低截获信号波形的提取已经无法满足用户使用需求。基于椭球基序列（discrete prolate spheroidal sequence,DPSS）构建时间窗函数对混合线性调频信号（multiple linear frequency modulation）进行分析,提出了恒门限判定概率捕获信号方法,并采用自适应二值化以及改进的霍夫变换（Hough transform）等图形处理算法完成信号波形的提取。仿真表明,本方法比短时傅里叶变换算法（short-time Fourier transform）具有更为优秀的噪声控制,同时在低信噪比下仍能准确提取波形。     

基于快速傅里叶变换的剪接特征提取

挖掘剪接特征是剪接位点识别算法的基础,在频域空间挖掘对位点识别有帮助的特征至关重要.利用基于快速傅里叶变换的剪接特征提取方法对其进行特征提取,该方法能够将时域信息转化到频域中,以此来构建所需的频域特征,为了比较还构建了位置特征与统计特征. 实验结果表明将频域特征加入剪接位点识别中能够有效地提高识别精度,这也表明将信号处理方法应用于生物信息学领域是可行有效的.