本文選題：心電信號(hào) + 去噪　； 參考：《智能系統(tǒng)學(xué)報(bào)》2016年06期

【摘要】：針對(duì)心電信號(hào)的基線漂移、工頻噪聲、肌電噪聲,本文提出了基于相關(guān)性的小波熵去噪算法。算法首先根據(jù)基線漂移的低頻特性,確定小波分解的層數(shù),置零近似系數(shù),去除基線漂移;再對(duì)相鄰尺度的高頻小波系數(shù)進(jìn)行相關(guān)處理,依據(jù)小波熵自適應(yīng)地計(jì)算全局閾值去除工頻和肌電噪聲;最后將置零的近似系數(shù)和閾值處理后的小波系數(shù)重構(gòu)得到有效信號(hào)。該算法能夠在一次小波分解、重構(gòu)的過程中,同時(shí)濾除心電信號(hào)中的3種主要噪聲。對(duì)MIT-BIH數(shù)據(jù)庫(kù)數(shù)據(jù)和模擬數(shù)據(jù)的仿真實(shí)驗(yàn)結(jié)果也表明該算法的去噪效果顯著優(yōu)于其他算法。
[Abstract]:This paper presents a wavelet entropy denoising algorithm based on correlation for baseline drift, power frequency noise and electromyoelectric noise of ECG signals.According to the low frequency characteristic of baseline drift, the algorithm firstly determines the number of layers of wavelet decomposition, sets the approximate coefficient of zero-setting, removes the baseline drift, and then carries on the correlation processing to the high frequency wavelet coefficient of adjacent scale.According to wavelet entropy, the global threshold is calculated adaptively to remove power frequency and electromyoelectric noise, and the approximate coefficients of zero setting and wavelet coefficients after threshold processing are reconstructed to obtain effective signals.The algorithm can filter three kinds of main noises in ECG signal simultaneously in the process of wavelet decomposition and reconstruction.The simulation results of MIT-BIH database data and simulation data also show that the denoising effect of this algorithm is better than that of other algorithms.
【作者單位】： 中國(guó)科學(xué)院半導(dǎo)體研究所;中國(guó)科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心;
【基金】：中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)專項(xiàng)(xdb02080002);中國(guó)科學(xué)院國(guó)防實(shí)驗(yàn)室基金項(xiàng)目(CXJJ-16S076) 青年自然科學(xué)基金項(xiàng)目(61401423)
【分類號(hào)】：R540.4;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前4條

1 王磊,鄭崇勛,原峻峰,宋磊;基于多分辨分析的食道動(dòng)態(tài)pH監(jiān)測(cè)信號(hào)去噪算法[J];生物醫(yī)學(xué)工程學(xué)雜志;1999年03期

2 康長(zhǎng)青;曹文平;方磊;華麗;程虹;;快速非局部均值的CT圖像去噪算法[J];南方醫(yī)科大學(xué)學(xué)報(bào);2012年11期

3 李永輝;周荷琴;;CR醫(yī)學(xué)圖像的小波閾值去噪算法研究[J];中國(guó)醫(yī)療器械雜志;2006年01期

4 ;[J];;年期

相關(guān)會(huì)議論文 前8條

1 王樹艷;楊勛年;;平面曲線去噪的混合雙邊算法[A];第五屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2011年

2 李洋;李雙田;;小波圖像去噪算法分析[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

3 鄧志全;關(guān)履泰;朱慶勇;;改進(jìn)的非局部均值圖像去噪算法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

4 李俊峰;戴文戰(zhàn);潘海鵬;高金鳳;;基于灰色系統(tǒng)理論的圖像去噪算法研究[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

5 連小麗;姚暉;王冠華;萬(wàn)木森;張林樸;孟卓;李燕妮;梁雨;代曉華;石博雅;;基于光學(xué)相干層析離體牙圖像的去噪算法研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)第30次學(xué)術(shù)年會(huì)暨生物醫(yī)學(xué)工程前沿科學(xué)研討會(huì)論文集[C];2010年

6 張娛;谷旭源;;基于小波系數(shù)的圖像自適應(yīng)閾值去噪算法[A];全國(guó)第4屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

7 趙振磊;耿則勛;王蘭;閆兆嬋;;基于自適應(yīng)遞歸LPA-ICI的圖像去噪算法[A];圖像圖形技術(shù)研究與應(yīng)用2009——第四屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

8 劉志剛;郭艷穎;;基于形態(tài)神經(jīng)網(wǎng)絡(luò)的SAR圖像去噪算法研究[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)博士學(xué)位論文 前5條

1 張?chǎng)捂?基于結(jié)構(gòu)相似性的磁共振圖像去噪新算法研究[D];南方醫(yī)科大學(xué);2015年

2 陳大力;數(shù)字圖像處理中去噪算法的研究[D];東北大學(xué);2008年

3 劉輝;數(shù)字圖像處理中基于局部方向性的壓縮和去噪算法研究[D];吉林大學(xué);2008年

4 宮霄霖;基于小波變換的不規(guī)則鄰域的數(shù)字圖像去噪算法研究[D];天津大學(xué);2010年

5 崔學(xué)英;低劑量CT的投影域去噪算法和后處理方法研究[D];中北大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 王圳萍;基于低秩矩陣恢復(fù)的圖像去噪算法研究[D];西南交通大學(xué);2015年

2 張超;圖像和視頻去噪算法的研究與實(shí)現(xiàn)[D];復(fù)旦大學(xué);2014年

3 羅格;三維模型去噪算法的研究及其在三維曲面重建上的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

4 宋鑫夢(mèng);管道漏水檢測(cè)去噪算法的研究[D];內(nèi)蒙古師范大學(xué);2015年

5 賀東霞;數(shù)字圖像去噪算法的研究與應(yīng)用[D];延安大學(xué);2015年

6 劉航;并行非局部均值去噪算法研究[D];西安電子科技大學(xué);2014年

7 王秀東;圖像去噪算法及其GPU并行化研究[D];西安電子科技大學(xué);2014年

8 李翠菊;基于NSCT和雙邊濾波的圖像去噪算法研究[D];湘潭大學(xué);2015年

9 劉斌;BM3D去噪算法的硬件實(shí)現(xiàn)[D];上海交通大學(xué);2013年

10 鐘瑩;結(jié)構(gòu)特性匹配的非局部均值圖像去噪算法研究[D];合肥工業(yè)大學(xué);2014年

，

本文編號(hào)：1760414