基于提升方案的心电信号去噪与检测算法研究

基于提升方案的心电信号去噪与检测算法研究

论文摘要

心脏是人体血液循环的动力源泉,而心脏病作为一种多发慢性疾病,却是威胁人类生命的主要疾病。心电图作为一种无创伤性的检查手段,对于心脏基本功能诊断和病理研究具有重要参考价值,在临床上的作用无可替代。研究开发具有心电信号采集、预处理、自动诊断、远程监护等功能家用心电监护诊断系统,可以及早发现心脏病征兆,可以给予心脏病患者实时监护,可以实现缩短医生与患者的距离,因此具有很高的临床价值和应用价值,满足人们对提高生命和生活质量的要求,是心电图设备的发展方向。本文工作围绕家用心电监护诊断系统的研制,深入研究了心电信号去噪、特征波形检查、自动分析软件设计三个核心问题:首先,心电信号相对于存在的环境是一种微弱信号,极易受到噪声的干扰。针对现有算法的不足和心电信号去噪的具体要求,本文提出了基于提升方案的心电信号去噪算法,可以很好的去除心电信号中的高频噪声,利用小波变换处理非稳态信号的优势和提升方案的快速性,算法复杂度减小,信噪比提升大,实时性好。结合小波分解与重构算法可以完美地去除心电信号中的噪声。随后研究了检测波形获得心电信号参数的算法。本文改进了基于小波分析的QRS波群检测算法,实现了R波峰值点定位和QRS波时限的检测。采用提升方案构造小波基,提高运算速度。根据实际采集的心电信号差异较大的情况,介绍了防漏检和误检策略,有效地提高波形检测正确率。对心电检测中的难点P波和T波的检测,给出了算法流程和仿真结果。最后,基于本文算法,采用C#开发了基于Windows的心电信号自动分析软件,提供心电信号预处理、波形分析、病情诊断、报告输出、远程监护、用户历史记录管理等功能。分模块介绍了软件开发过程中的核心问题,给出了常见的心脏病的诊断依据。提升方案的出现为直接在时域构造小波基提供了新的途径,但是由于理论体系还不完善,在很多领域还没有引起广泛地重视,本文基于提升方案探讨了提升小波变换在心电信号处理中的应用,进一步推广了该理论的应用范围。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景
  • 1.2 心电图简介
  • 1.3 研究概况
  • 1.3.1 心电信号去噪算法概述
  • 1.3.2 心电信号波形检测算法概述
  • 1.3.3 心电图自动诊断技术概述
  • 1.4 课题主要研究工作及创新点
  • 第二章 小波分析理论简介
  • 2.1 小波变换发展历史
  • 2.1.1 傅里叶变换
  • 2.1.2 短时傅里叶变换
  • 2.1.3 小波变换发展
  • 2.2 小波变换
  • 2.2.1 小波变换理论
  • 2.2.2 多分辨率分析及Mallat 算法
  • 2.3 提升小波变换
  • 2.3.1 提升方案算法
  • 2.3.2 用提升方法构造传统小波
  • 2.3.3 整数变换
  • 2.4 本章小结
  • 第三章 心电信号去噪算法研究
  • 3.1 引言
  • 3.1.1 去噪基本问题
  • 3.1.2 心电信号中的噪声
  • 3.1.3 MIT-BIH 数据库
  • 3.2 小波域常见去噪算法
  • 3.2.1 基于小波分析去噪算法概述
  • 3.2.2 模极大值法
  • 3.2.3 空域相关法
  • 3.2.4 阈值法
  • 3.2.5 去噪算法比较
  • 3.3 基于提升方案的阈值去噪算法
  • 3.3.1 算法基本思想
  • 3.3.2 小波基的选择及其提升实现
  • 3.3.3 改进的阈值处理函数
  • 3.3.4 噪声的去除步骤
  • 3.3.5 仿真结果
  • 3.4 小波分解重构算法去除基线漂移
  • 3.4.1 算法原理
  • 3.4.2 算法步骤
  • 3.4.3 仿真结果
  • 3.5 本章小结
  • 第四章 心电信号波形检测算法研究
  • 4.1 引言
  • 4.2 小波变换检测ECG 特征波形的原理
  • 4.3 QRS 波检测算法研究
  • 4.3.1 R 波峰值点检测
  • 4.3.2 QRS 波宽度检测
  • 4.3.3 仿真结果
  • 4.4 P 波、T 波检测
  • 4.5 本章小结
  • 第五章 心电信号自动分析软件设计
  • 5.1 家用监护诊断系统架构
  • 5.2 信号采集设备简介
  • 5.3 软件总体设计
  • 5.4 软件各模块介绍
  • 5.4.1 提升小波变换模块
  • 5.4.2 串口通信模块
  • 5.4.3 图形显示模块
  • 5.4.4 心电信号去噪模块
  • 5.4.5 心电信号波形检测模块
  • 5.4.6 诊断报告模块
  • 5.4.7 远程监护模块
  • 5.4.8 用户信息管理模块
  • 5.5 本章小结
  • 第六章 总结与展望
  • 6.1 全文总结
  • 6.2 研究展望
  • 参考文献
  • 图表目录
  • 致谢
  • 攻读硕士学位期间已发表的论文
  • 相关论文文献

    • [1].基于小波分析的海上声信号去噪试验研究[J]. 电脑知识与技术 2017(15)
    • [2].小波变换下改进的维纳滤波在信号去噪的应用[J]. 科学技术创新 2017(27)
    • [3].无线电引信信号去噪的最优小波基选择[J]. 北京理工大学学报 2008(08)
    • [4].小波变换在核磁共振测井信号去噪中的应用研究[J]. 计算机与数字工程 2019(11)
    • [5].基于小波分析的信号去噪方法研究[J]. 广西轻工业 2011(06)
    • [6].电能质量信号去噪方法研究[J]. 华东电力 2009(05)
    • [7].基于独立分量分析的声发射信号去噪方法[J]. 江南大学学报(自然科学版) 2008(01)
    • [8].一种新的信号去噪优化算法[J]. 河南科学 2018(01)
    • [9].基于小波的声发射信号去噪研究[J]. 现代电子技术 2017(13)
    • [10].基于经验模态分解的信号去噪[J]. 科技视界 2016(27)
    • [11].基于改进阈值函数的分数阶小波电能信号去噪[J]. 测控技术 2017(08)
    • [12].小波熵阈值的心电信号去噪及R波检测算法[J]. 河南科技大学学报(自然科学版) 2015(05)
    • [13].基于小波变换的瑞利波信号去噪分析[J]. 电子测试 2013(07)
    • [14].心电信号去噪中的小波方法[J]. 数理医药学杂志 2009(01)
    • [15].基于小波变换的道路信号去噪研究[J]. 国外电子测量技术 2008(11)
    • [16].改进小波阈值法用于心电信号去噪[J]. 生物医学工程学杂志 2014(03)
    • [17].基于时域累积平均和双谱估计的弱信号去噪[J]. 南阳理工学院学报 2012(06)
    • [18].傅里叶变换与小波变换在信号去噪中的应用[J]. 电子设计工程 2011(04)
    • [19].基于小波熵的鼾音信号去噪处理[J]. 计算机工程与应用 2011(30)
    • [20].小波分析在机器人腕力传感器信号去噪中的应用[J]. 电气自动化 2008(02)
    • [21].语音信号去噪研究[J]. 数字技术与应用 2017(06)
    • [22].基于数字滤波的呼吸信号去噪研究[J]. 数字技术与应用 2016(02)
    • [23].基于脊波变换的地震信号去噪方法[J]. 天津工程师范学院学报 2009(01)
    • [24].小波变换在信号去噪方面的应用研究[J]. 舰船电子工程 2008(11)
    • [25].基于小波分析理论的桥梁监测信号去噪研究[J]. 西部交通科技 2018(02)
    • [26].基于小波变换的心音信号去噪方法[J]. 科技信息 2013(02)
    • [27].压缩感知理论在语音信号去噪中的应用[J]. 现代电子技术 2012(07)
    • [28].阈值函数的改进在信号去噪中的应用[J]. 科技视界 2012(28)
    • [29].多小波变换在信号去噪中的应用[J]. 中南民族大学学报(自然科学版) 2009(02)
    • [30].一种改进阈值函数在一维信号去噪中的应用[J]. 长春理工大学学报(自然科学版) 2009(03)

    标签:;  ;  ;  ;  ;  

    基于提升方案的心电信号去噪与检测算法研究
    下载Doc文档

    猜你喜欢