<strike id="624os"></strike>
心血管系統疾病是現今世界上發病率和死亡率最高的疾病之一。T波交替(T-wavealtemans,TWA)作為一種非穩態的心電變異性現象，是指心電T波段振幅、形態甚至極性逐拍交替變化。大量研究表明，TWA與室性心律失常、心臟性猝死等有直接密切的關系，已成為一種無創獨立性預測指標。隨著數字信號處理技術和計算機技術的迅速發展，微伏級的TWA已經可以被檢出，并且精度越來越高。本文以T波交替檢測為中心，基于ARM給出了T波交替檢測技術原理性樣機的硬件及軟件，實現實時監護的目的。 在TWA檢測研究中，需要對心電信號進行預處理，即信號去噪和特征點檢測。小波分析以其多分辨率的特性和表征時頻兩域信號局部特征的能力成為我們選取的心電信號自動分析手段。文中采用小波變換將原始心電信號分解為不同頻段的細節信號，根據三種主要噪聲的不同能量分布，采用自適應閾值和軟硬閾值折衷處理策略用閾值濾波方法對原始信號進行去噪處理：同時基于心電信號的特征點R峰對應于Mexican-hat小波變換的極值點，因此我們使用Mexican-hat小波檢測R峰，通過附加檢測方案確保了位置的準確性，并根據需要提出了T波矩陣提取方法。 隨后文章介紹了T波交替的產生機理及研究進展，分別從臨床應用和檢測方法上展現了目前TWA的發展進程，并利用了譜分析法、相關分析法和移動平均修正算法分別從時域和頻域對一些樣本數據進行T波交替檢測。在檢測中譜分析法抗噪能力較強，但作為一種頻域檢測方法，無法檢測非穩態TWA信號，而相關分析法受呼吸、噪聲影響較大，數據要求較高，因此可以在譜分析檢測為陽性TWA基礎上，再對信號進行相關分析，從而克服自身算法缺陷，確定交替幅度和時間段。最后對影響檢測結果的因素進行討論研究，從而降低檢測誤差。 文章還設計了T波交替檢測技術原理性樣機的關鍵部分電路和軟件框架。硬件部分圍繞ARM核的Samsung S3C44BOX為核心，設計了該樣機的關鍵電路，包括采集模塊、數據處理模塊(外部存儲電路、通信接口電路等)。其中在采集模塊中針對心電信號是微弱信號并且干擾大的特點，采用了具有高共模抑制比和高輸入阻抗的分級放大電路，有效的提取了信號分量：A/D轉換電路保證了信號量化的高精度。利用USB接口芯片和刪內部異步串行通訊實現系統與外界聯系。系統軟件中首先介紹了系統的軟件開發環境，然后給出了心電信號分析及處理程序設計流程圖及實現，使它們共同完成系統的軟件監護功能。
標簽： ARM 檢測技術
上傳時間： 2013-07-27
上傳用戶：familiarsmile
· 摘要： 通過分析小波分析法中的閾值去噪算法的原理,根據MEMS陀螺儀信號漂移的數學模型,采用了基于小波閾值去噪法對MEMS陀螺儀的輸出進行實時消噪處理.并將該算法應用到基于DSP的某MEMS陀螺捷聯慣導系統后對系統的MEMS陀螺儀進行零漂試驗.通過整個系統試驗結果分析,使用小波閾值去噪法對抑制MEMS陀螺儀零漂,改善MEMS陀螺儀的零偏穩定性具有很好的效果,肯定了小波閾值去
標簽： MEMS 小波閾值 去噪 信號降噪
上傳時間： 2013-04-24
上傳用戶：xiehao13
為去除腦電信號采集過程中存在的噪聲信號，提出了基于小波閾值去噪的腦電信號去噪。以小波閾值降噪為基礎，首先利用db4小波對腦電信號進行5尺度分解，然后采用軟、硬閾值與小波重構的算法進行去噪。通過對MIT腦電數據庫中的腦電信號進行仿真，結果表明，采用軟閾值方法有效去除了噪聲，提高了腦電信號的信噪比。
標簽： 小波分析 腦電信號
上傳時間： 2014-12-23
上傳用戶：如果你也聽說
提出了一種基于相關分析的飛機目標識別方法。該方法利用飛機圖像低頻和高頻部分合成濾波器模板，能達到很高識別率與很低的等錯率。該研究旨在提高飛機識別的準確率和降低出錯率，采用一種基于相關分析的飛機目標識別方法。該方法通過對采集的飛機圖像做去除背景、降噪、圖像增強、二值化和歸一化處理，將飛機圖像低頻和高頻部分合成濾波器模板，通過特征比對達到識別飛機的目的。利用Matlab 7.0做10種飛機的識別實驗，得出了95.47%識別率和0.04%等錯率的結論，識別率和等錯率均優于不變矩法、三維識別方法、基于小波分析和矩不變量的方法，印證了筆者提出的基于相關分析的飛機目標識別方法的優越性。在飛機圖像數據庫上的實驗結果表明，該方法是可行的。
標簽： 分 飛機 目標識別
上傳時間： 2013-11-03
上傳用戶：manlian
這是一篇很好的介紹第二代提升小波的文章，是學習小波分析，掌握科學前沿的資料
標簽： 提升小波
上傳時間： 2014-01-24
上傳用戶：邶刖
關于小波變換和應用的電子書，小波分析是在工程上應用很廣泛的一門新興學科。
標簽： 小波變換 電子書
上傳時間： 2014-01-23
上傳用戶：變形金剛
文章通過對實序列快速傅里葉變換的算法推導及Mallat 算法原理的分析，根據離散小波變換（DWT）算 法結構特征，提出了一種離散小波的快速變換算法，給出了相應的算法步驟。從數學理論上進行了論證，并把該算法 應用到靜態圖像處理中，得到了很好的快速和重建效果，具有一定的實用價值。 關鍵詞：小波分析；Mallat 算法；快速小波算法 圖像處理 中圖分類號：TN914 文獻標識碼：A 1 引言 小波分析是近十多年來迅速發展起來的新興學科和信號分析理論，是繼傅里葉分析方法之后的重 大突變。它具有時域局部化和頻域局部化的優點，而且高頻端的時間間隔小（有著高的時間分辨率）， 低頻端的時間間隔大（有著高的頻率分辨率），這與人的視覺機制由粗到細的認識過程相一致，固而有 “數學顯微鏡”之稱，是進行信號處理和分析的有效工具。特別是其多分辨率分析理論及其快速算法 ——Mallat 算法在數字信號處理和數字通信
標簽： Mallat 序列 分 快速傅里葉變換
上傳時間： 2015-05-23
上傳用戶：tyler
小波分解源代碼，基于Scilab！Scilab是一個OpenSource的類似matlab的工具，通過該源代碼可以為開發小波分析提供參考！
標簽： 小波分解 源代碼
上傳時間： 2015-09-25
上傳用戶：王小奇
《小波十講》一本經典名著，是一本以推廣普及小波分析為目的的學術著作，與大家分享
標簽：
上傳時間： 2013-12-01
上傳用戶：banyou
現代信號分析中,對于常見的具有各態歷經的平穩隨機信號,不可能用清楚的數學關系式來描述,但可以利用給定的N個樣本數據估計一個平穩隨機信號的功率譜密度叫做功率譜估計(PSD)。它是數字信號處理的重要研究內容之一。功率譜估計可以分為經典功率譜估計(非參數估計)和現代功率譜估計(參數估計)。功率譜估計在實際工程中有重要應用價值,如在語音信號識別、雷達雜波分析、波達方向估計、地震勘探信號處理、水聲信號處理、系統辨識中非線性系統識別、物理光學中透鏡干涉、流體力學的內波分析、太陽黑子活動周期研究等許多領域,發揮了重要作用
標簽： PSD 隨機信號 信號分析 樣本
上傳時間： 2016-03-03
上傳用戶：CHENKAI
蟲蟲下載站版權所有 京ICP備2021023401號-1
