简介：目的研究用小波变换去除心电图信号中呼吸信号的方法.方法采用db4小波对采样频率为200Hz的心电图信号作离散小波变换的多层分解,并与呼吸信号的频率成分比较,发现呼吸信号分布在心电图信号分解后第8、9、10层细节中,去除这些成分和高频干扰,对剩下的分量重构.结果比较成功地纠正了心电信号的基线,去除了低频呼吸信号的干扰.结论小波变换的方法能够去除心电信号中的呼吸信号干扰.

简介：利用微机对１３８种环境声信号进行了采集、数据存储入库、声图分析，绘制了彩色三维声图及频谱图，并对频谱分析参数进行了统计处理。本数据库的建立为进行环境声信号研究分析和聋人的感觉代偿研究，提供了基础资料和手段。

简介：以生理信号分析为主,表情行为观察和情绪主观感受评价为辅,对多名被试的情绪进行识别.60名大学女生接受恐惧-快乐-轻松的情绪诱发,有效数据55名,对应每个情绪片段,根据信号标记以及GSR微分,截取1min的生理信号进行处理和分析,应用SPSS对各生理参数进行情绪的单因素方差分析,然后采用逐步多类判别法,提取特征参数以识别情绪.结果表明HR、HRV、R波、T波各生理参数对情绪较敏感;提取出HFP,HRmax,PNN50,LF/HF,Ratio,LFP,MeanNN7个特征参数,构建情绪判别函数Fuction1,Fuction2和Z1、Z2,Z3;轻松的判别正确率为88.0%,快乐的为92.0%,恐惧的为80.0%,总体判别正确率为86.7%.以生理信号分析为主,辅助表情行为观察和情绪主观感受报告,是一种有效的情绪识别方法,所得数据客观、准确,提高了情绪识别率.

简介：目的采用基于Lopez-Mancini-CalbetDivergence（LMCD）的统计复杂度分析方法,对充血性心力衰竭信号、心脏性猝死信号与正常窦性心律信号进行统计复杂度分析。方法采用Bandt-Pompe算法对符号序列进行模式概率统计,分析了充血性心力衰竭信号、心脏性猝死信号与正常窦性心律信号的统计复杂度。结果3种心律信号的统计复杂度存在差异,正常窦性心率信号的统计复杂度最高,充血性心力衰竭信号次之,心脏性猝死信号最低。方差分析表明,基于LMCD的分析方法得出的3种心电信号的统计复杂度差异具有统计学意义。结论采用LMCD的统计复杂度方法可以有效地区分3种不同生理病理状态下心电信号,为辅助临床诊断提供了一种新手段。

简介：心音信号分析与医学应用研究进展张玉华，邵庆余，李桥（山东医科大学生物医学工程研究所，济南２５００１２）心音信号是人体最重要的生理声信号之一，它含有关于心脏心房、心室、心血管及各个瓣膜的状态的大量有用信息，当心血管疾病尚未发展到足以产生其他症状和标志（...

简介：本文介绍了一种宽频带多通道心音和正交三导联高频心电信号微机采集系统的设计方法。本采样系统硬件采用高性能的心音传感器、A/D转换卡、新型高性能芯片组成及合理布线的信号放大器和滤波器,在临床使用中效果良好。

简介：探索心电信号的有效标定方法.利用小波变换良好的时频聚焦性和多孔算法的时不变性,并结合时域的标定参考信息,实现对ECG的准确标定.结果表明在Matlab6.5仿真环境下,对MIT/BIH心电数据库中的数据进行测试,准确率可达99.5%,并且满足CSEworkingParty提出的心电检测误差标准.在波形失真较小情况下,用该法可实现对ECG的自动标定.

简介：对磁声耦合成像进行原理性验证实验研究.从不同的几何模型出发,分别建立了圆线圈、矩形线圈和三角形铜线圈模型作为成像目标,置于稳恒磁场中,同时对其施加正弦脉冲信号,用中心频率为1MHz的声传感器检测铜线圈在磁声耦合作用下产生的声信号,在不同位置、不同角度检测产生的声信号并进行分析处理.实验结果表明,超声传感器采集的声信号能对应铜环线圈位置,在此基础上进一步完善实验方法,以磁声耦合的方式实现进一步的成像研究.

简介：本文首先分析了新的时频分析理论——小波变换理论的优良时频特性，并与窗口傅里叶变换的时频特性作了比较；又对小波变换理论在生物医学信号处理中的应用进行了评述；最后对小波变换理论及在生物医学信号处理中的应用作了简要展望。

简介：本文介绍了在ＡＳＴ４８６微机上利用高速Ａ／Ｄ转换电路ＨＡＳ－１２０４对单纤维肌电信号进行信号采集，并利用Ｃ语言和汇编语言混合编程进行显示分析和处理的有关技术。

简介：我们设计和装配了一款高信噪比的神经信号放大器,该放大器在实验中能记录到稳定且高信噪比的神经脉冲信号。

简介：当前癫痫自动检测方法,通常采用希尔伯特黄变换结合脑电信号变换规律进行检测,易受到噪声的干扰,检测结果存在一定的误差。据此,深入研究基于子波变换的癫痫脑电信号检测方法,依据子波变换检测癫痫脑电信号的原理,采用子波变换对含噪的脑电信号进行去噪后,考虑到癫痫患者发病时,脑电信号里异常特征波导致信号波动幅度较大,采用TQWT小波分解并重构脑电信号,提取重构后的脑电信号里有效值与峰峰值指标构成特征分量,根据特征分量设定正常与发病两种样本,通过支持向量机(supportvectormachine,SVM)分类器对脑电波信号样本分类,实现患者癫痫脑电信号的准确检测。实验结果表明,所提方法可有效检测癫痫脑电信号,检测灵敏度、特异性和准确率均值分别是98.73%、18.84%、98.87%,适用于癫痫脑电信号检测。

简介：编码超声发射技术已在高端超声成像仪中使用,其中线性调频信号是常用的编码信号。由于通过超声系统的回波会有较大衰减,接收信号通常比较微弱,并且带有强噪声,影响成像质量。分数阶Fourier变换应用在编码超声信号处理中,可以有效提高成像质量。本研究提出一种新的成像方法,先对回波信号进行分数阶Fourier变换,再经带通滤波器滤除大部分噪声,然后通过匹配滤波器处理,最后成像。该方法同时融合了信号在时域和频域的信息,并可以进一步降低发射功率。仿真结果表明,这种方法相对于传统的成像方法可以进一步增强系统的抗干扰能力,提高信噪比,从而改善超声成像质量。

简介：为了消除电化学PCR系统检测中不同温度对检测电流信号的影响,我们提出了对改进计时电流法电流峰值信号实时校正的方法。该方法是在改进计时电流法数值解方程基础上,建立了电流峰值与温度的数值模型,并结合PCR温度控制规律,对不同浓度下电活性物质的峰值信号进行实时校正。结果表明,校正后电流峰值随浓度变化的曲线可直观显示,且两者的比例关系验证了校正方法的准确性。更多还原

简介：利用脑-计算机接口这种新颖的人-机交互模式构建一种脑控拼写装置，其主要问题是实时、准确地从头皮电极记录到的脑电背景信号中提取视觉诱发电位，以决定用户选择按键。由于在一个短时程内可以认为自发脑电是平稳的，利用靶刺激出现前记录到的非靶刺激信号计算自回归模型参数，构造一个白化滤波器，再将实时信号通过白化滤波器滤波，使自发脑电得以白化，然后采用小波分析方法滤除白噪信号。结果表明靶刺激信号更加突出，提高了后续模式分类的正确率。采用模拟自然阅读诱发模式使短时信号的平稳性得到了保障，利用白化滤波器去除自发脑电是可行的。

简介：采用独立分量分析中的信息极大化快速算法初步探讨了表面肌电信号的分解问题.研究结果表明,独立分量分析对肌肉轻度收缩力水平下(<10%MVC)表面肌电信号的分解有较好的效果,可以作为表面肌电信号分解的一种预处理手段.

简介：为了提高P波检测准确率,利用小波变换模极大值对在多尺度上的变化规律能表征信号突变点的性质,结合人体生理特性的检测策略进行心电信号P波的跨尺度检测.同时,引入反向传播神经网络对已检出的准P波再次进行确认与识别.经MIT数据库实验表明,P波检测准确率达到97%.

简介：为提高对婴儿健康监护的质量,本研究提出在育婴箱中增加婴儿哭声识别功能,该系统主要以TI公司的数字信号处理器(DSP)芯片TMS320DM643和多媒体音频编解码芯片TLC320AIC23B为硬件核心,设计一套实时的婴儿哭声识别系统。本系统使用拾音器采集婴儿哭声,音频解码芯片对声音信号进行处理,然后发送给DSP芯片,DSP芯片对声音信号进行预处理,然后用优化的自相关函数算法提取特征参数-线性预测系数(LPC),使用动态时间规整(DTW)识别算法,实现对婴儿的哭声准确识别,并经串口向上位机发送识别结果。该系统在实际测试后表明,婴儿啼哭状态识别准确率可达97.1%,在婴儿护理领域具有重要意义。

简介：通过径向基函数神经网络的分析，对神经元脉冲电位信号提出了新的分类方法。对原始信号进行峰电位检测，获得脉冲电位信号样本，以主成分进行预分类，选取与类中心方差小的典型脉冲电位集合作为径向基网络的训练样本，让神经网络进行自适应学习，以实现对原始信号的分类。仿真结果表明，在对模拟的脉冲电位信号进行分类时此方法的错误率比主成分聚类法和形状聚类法小。多电极细胞外记录的海马神经元细胞电活动信号应用此方法分类也取得了较好的效果。

简介：膝关节摆动（VAG）信号是膝关节在做屈伸运动时由于接触摩擦产生的振动信号,它能够反映髌骨软化症、半月板损伤和交叉韧带损伤等膝关节损伤疾病的特征与状态。本研究分析了国内外文献对膝关节摆动信号的研究方法,包括信号的预处理方法、特征提取方法和分类方法几个方面。无创膝关节摆动信号的检测与分析,对于膝关节损伤疾病的无创检测和辅助诊断具有重要意义,正逐步得到临床医学的重视。最后分析了对于膝关节摆动信号研究还需要解决的问题以及未来的发展方向。