心音信号奇异点的小波分析方法

本文利用小波变换方法,提出以确定奇异点的位置以及幅值的变化对心音信号进行参数估计.通过PhysioBank数据库中的相关数据,运用Madab对正常心音和病理性心音信号进行小波变换分析,对奇异点做了检测.并与傅里叶变换结果作对比分析.通过对变换后的心音信号进行分析,研究结果表明:利用小波变换技术分析与处理心音信号是一种新的有效和实用的方法.可以为心音信号的分析或医学诊断提供有价值的信息.     

基于双正交小波变换的宫缩信号消噪

小波分析的信号消噪方法是现代信号处理中的重要组成部分,小波基的不同选取将直接影响消噪的效果.本文在全局阈值的标准下,基于不同噪声水平,讨论了小波基的正交性和线性相位性对消噪结果的影响,提出了选取小波基的一般方法,最后利用双正交小波基在软阈值标准下实现了对宫缩信号的消噪处理,并取得了较好的效果.     

心音信号的分析方法及其应用

心音信号包含了关于人体丰富的病理信息,其分析与研究为心血管疾病的诊断提供了很重要的临床依据.本文探讨了心音信号分析的研究现状,及其短时傅立叶变换(STFT),小波变换(WT),Hilbert-Huang变换在心音信号分析中的应用以及需要解决的理论问题,并运用PhysioBank数据库中的ECG数据,将Hilbert变换运用于ECG信号的分析中,结合MATLAB软件,做出了较为理想的瞬时频率图.     

小波变换与生物医学信号处理

作为数字信号处理领域的一个重要分支,生物医学信号处理理论与技术的研究一直受到国内外科技工作者的高度重视。小波变换是近年来发展起来的一种新的信号分析工具。本文结合生物医学信号与小波变换的特点,探讨了小波变换在生物医学信号处理领域的应用前景。     

基于平稳小波变换的EEG视觉的信号修正

眼球运动和眨眼会在眼球周围产生电信号,这种电信号的存在直接影响到对EEG信号的分析特征提取及EEG模式的分类等研究。本文提出了一种基于小波阈值滤噪方法来修正EEG信号中出现的视觉伪信号(OA)。这种用于EEG视觉伪信号处理的小波方法的实现过程如下：1)用平稳小波变换(SWT)对原始EEG信号进行处理;2)设置低频带信号的系数阈值;3)对滤噪后的信号进行重构。实验结果表明这种方法同时适用于眨眼和眼球运动产生的伪信号。最后,通过对采集的信号处理前后做了对比,说明其有效性。     

基于小波变换的心电信号去噪综合算法

目的：研究去除心电信号中的基线漂移、工频干扰和肌电干扰等噪声,提高心电信号的自动识别和诊断精度。方法：利用Coif4小波对心电信号进行8尺度分解,采用小波分解重构法去除基线漂移,然后利用改进的小波闽值算法去除工频干扰和肌电干扰。结果：利用Matlab仿真工具,选择MIT-BIH心率失常数据库中信号进行验证,能有效去除这三种噪声,并且很好的保持R波的信息。结论：本算法在不丢失心电信号有用信息的前提下,可以较好的去除三种常见的噪声,可以用于心电信号自动分析之前的预处理。     

基于空间小波变换的生态地理界线识别与定位

为了提高生态地理分界线识别和定位的客观性,探讨了通过空间小波变换获取多尺度模极大值定位过渡带的方法.以NDVI和降水作为小波多尺度分解的对象,应用db3小波核函数分别对49条样带的模极大值进行了多尺度检测,并在GIS中确定其地理坐标.研究结果表明:识别半干旱半湿润生态地理分界线的最佳空间尺度为20～40 km,小于这一尺度定位过程容易受到局部地表覆被因素如城市区域或地形的影响,大于这一尺度由于要素被过度平滑,造成定位不准;从定位点的聚集度分析,NDVI的定位效果好于降水,特别是在较大空间尺度上.而与综合自然地理区划方案中的半干旱半湿润分界线比较,从定位点的方向性、平均最短距离以及均衡度三项指标综合判断,小波变换对于降水过渡带的定位优于对NDVI的定位.研究证实,空间小变换与GIS结合是提高生态地理分界线识别与定位科学性的重要途径,是对专家系统划分界线方法的有力补充和完善.     

基于小波变换奇异性检测的HRTF(Head Related Transfer Function,与头部关联的传递函数)消噪处理

与头部关联的传递函数（ＨＲＴＦ）被认为是辨别声源方向的主要因素之一。虚拟听觉空间仿真就是利用了ＨＲＴＦ的方向特征综合出三维的声响。然而,ＨＲＴＦ中不可避免地混有测量噪声。本文针对ＨＲＴＦ的特性提出了一种基于小波变换奇异性检测的ＨＲＴＦ消噪处理方法。计算机模拟结果表明该方法在较好保留原信号奇异信息的同时能有效地滤除噪声,用这一方法对一组ＨＲＴＦ数据消噪取得了满意的结果。     

基于小波变换的单次诱发电位信号时频分析

比较小波变换和平均叠加两种方法提取“模拟自然阅读”刺激模式下的诱发脑电信号,分析其时频特性,并进行脑功能源分布定位分析。结果显示,采用平均叠加法来提取和分析诱发电位信号,损失了某些重要的诱发电位成分,且其功能源分布定位反映的只是等效功能源的静态过程;而使用小波变换和脑功能源定位来提取和分析单次诱发电位信号,既能观察到丰富的诱发电位成分,又能反映脑功能源的实时动态活动过程。这表明,小波变换下的时频分析是脑电信号处理的一种可行的新方法。     

基于盒维数的心音信号分形特征研究

在传统盒维数的基础上,从尺度变化的角度,提出一种计算心音信号时域波形分形维数的新的二进盒维数算法,并给出了算法思想和估算方法;然后用该方法对正常心音和几种典型的病态心音的分形维数进行计算,并对其分形特征进行了研究．研究结果表明：心音信号具有明显的分形特征,分形维数能够反映心音信号的复杂程度,并且能够明显地区分正常心音和病态心音．     

基于小波变换的心电信号去噪算法

目的:去除在心电信号采集过程中混入的肌电干扰、工频干扰、基线漂移等噪声信号,避免噪声对心电信号特征点的识别和提取造成误判和漏判。方法:首先利用coif4小波对心电信号按Mallat算法进行分解,然后采用软、硬阈值折衷与小波重构的算法进行去噪。结果:采用MIT/BIH Arrhythmia Database中的心电信号进行仿真、验证,有效去除了三种常见的噪声信号。结论:本方法实时性好,为临床分析与诊断奠定了基础。     

基于小波变换心电信号消噪方法研究

小波变换是近年来兴起的热门信号处理技术,是一种非常有用的信号处理工具。本文阐述了连续小波去噪和离散小波去噪的原理,分析了基于小波去噪的几种不同方法（其中包括小波分解与重构,小波变换阈值法,小波变换模极大值法,以及它与独立分量分析相结合去除噪声的方法等）。通过检测和验证,表明该方法能较好的实现心电信号的消噪,都取得了较好的效果;同时,比较了每种方法的不足和缺陷。基于小波变换心电信号消噪的研究进展较快,通过多种方法结合运用进行消噪并取得了很好的效果,展望了利用基于小波变换心电信号消噪的前景。     

Empirical Mode Decomposition and Wavelet Transform Based ECG Data Compression Scheme

ObjectiveIn health-care systems, compression is an essential tool to solve the storage and transmission problems. In this regard, this paper reports a new electrocardiogram (ECG) data compression scheme which employs sifting function based empirical mode decomposition (EMD) and discrete wavelet transform.MethodEMD based on sifting function is utilized to get the first intrinsic mode function (IMF). After EMD, the first IMF and four significant sifting functions are combined together. This combination is free from many irrelevant components of the signal. Discrete wavelet transform (DWT) with mother wavelet ‘bior4.4’ is applied to this combination. The transform coefficients obtained after DWT are passed through dead-zone quantization. It discards small transform coefficients lying around zero. Further, integer conversion of coefficients and run-length encoding are utilized to achieve a compressed form of ECG data.ResultsCompression performance of the proposed scheme is evaluated using 48 ECG records of the MIT-BIH arrhythmia database. In the comparison of compression results, it is observed that the proposed method exhibits better performance than many recent ECG compressors. A mean opinion score test is also conducted to evaluate the true quality of the reconstructed ECG signals.ConclusionThe proposed scheme offers better compression performance with preserving the key features of the signal very well.     

基于小波的心电信号有效性检测方法

目的：检测采集到的信号是否为有效心电信号,提高后续心电诊断和分析的准确率。方法：将采集到的信号进行预处理,即去噪处理,主要抑制基线漂移,50Hz工频及其谐波干扰和肌电干扰;取滑动窗长度为4s,检测该段内信号是否有效。为了验证算法的准确率及对不同心电波形是否具有普遍适用性,对MIT-BIH Arrhythmia Database中48个记录,CU及MIT-BIH Noise Stress Test Database中部分记录进行了仿真、验证。结果：仿真实验证明该方法能正确区分有效和无效信号,错检率较低,实现简单,适合实时处理。结论：本方法准确率高,能减少后续心电诊断和分析的计算量并提高准确率,特别是对室颤检测,符合心电分析的要求。     

基于小波特征分析的手指动作识别研究

目的：本文利用表面肌电（sEMG）信号来研究多种手指组合动作的识别问题。方法：在对采集的四个通道sEMG信号进行降噪预处理的基础上,采用移动加窗处理方法来提取关于手指运动状态的信号活动段,再分析各个信号活动段的小波系数统计特征,进而利用多类支持向量机（SVM分类算法来实现手指组合动作的识别。结果：动作识别率最高达到100％。结论：所采用方法能够有效地识别多种手势动作,并为后续基于肌电信号的实时人机接口系统的研究奠定了理论基础。     

基于小波特征分析的手指动作识别研究

目的:本文利用表面肌电(sEMG)信号来研究多种手指组合动作的识别问题。方法:在对采集的四个通道sEMG信号进行降噪预处理的基础上,采用移动加窗处理方法来提取关于手指运动状态的信号活动段,再分析各个信号活动段的小波系数统计特征,进而利用多类支持向量机(SVM)分类算法来实现手指组合动作的识别。结果:动作识别率最高达到100%。结论:所采用方法能够有效地识别多种手势动作,并为后续基于肌电信号的实时人机接口系统的研究奠定了理论基础。     

A Simple Method for Predicting Transmembrane Proteins Based on Wavelet Transform

The increasing protein sequences from the genome project require theoretical methods to predict transmembrane helical segments (TMHs). So far, several prediction methods have been reported, but there are some deficiencies in prediction accuracy and adaptability in these methods. In this paper, a method based on discrete wavelet transform (DWT) has been developed to predict the number and location of TMHs in membrane proteins. PDB coded as 1KQG is chosen as an example to describe the prediction process by this method. 80 proteins with known 3D structure from Mptopo database are chosen at random as data sets (including 325 TMHs) and 80 sequences are divided into 13 groups according to their function and type. TMHs prediction is carried out for each group of membrane protein sequences and obtain satisfactory result. To verify the feasibility of this method, 80 membrane protein sequences are treated as test sets, 308 TMHs can be predicted and the prediction accuracy is 96.3%. Compared with the main prediction results of seven popular prediction methods, the obtained results indicate that the proposed method in this paper has higher prediction accuracy.     

Non-invasive diagnosis methods of coronary disease based on wavelet denoising and sound analyzing

The heart sound is the characteristic signal of cardiovascular health status. The objective of this project is to explore the correlation between Wavelet Transform and noise performance of heart sound and the adaptability of classifying heart sound using bispectrum estimation. Since the wavelet has multi-scale and multi-resolution characteristics, in this paper, the heart sound signal with different frequency ranges is decomposed through wavelet and displayed on different scales of the resolving wavelet result. According to distribution features of frequency of heart sound signals, the interference components in heart sound signal can be eliminated by selecting reconstruction coefficients. Comparing de-noising effects of four wavelets which are haar, db6, sym8 and coif6, the db6 wavelet has achieved an optimal denoising effect to heart sound signals. The de-noising result of contrasting different layers in the db6 wavelet shows that decomposing with five layers in db6 provide the optimal performance. In practice, the db6 wavelet also shows commendable denoising effects when applying to 51 clinical heart signals. Furthermore, through the clinic analyses of 29 normal signals from healthy people and 22 abnormal heart signals from coronary heart disease patients, this method can fairly distinguish abnormal signals from normal signals by applying bispectrum estimation to denoised signals via ARMA coefficients model.