心血管系統(tǒng)疾病是現(xiàn)今世界上發(fā)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(wěn)態(tài)的心電變異性現(xiàn)象，是指心電T波段振幅、形態(tài)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(guān)系，已成為一種無創(chuàng)獨(dú)立性預(yù)測(cè)指標(biāo)。隨著數(shù)字信號(hào)處理技術(shù)和計(jì)算機(jī)技術(shù)的迅速發(fā)展，微伏級(jí)的TWA已經(jīng)可以被檢出，并且精度越來越高。本文以T波交替檢測(cè)為中心，基于ARM給出了T波交替檢測(cè)技術(shù)原理性樣機(jī)的硬件及軟件，實(shí)現(xiàn)實(shí)時(shí)監(jiān)護(hù)的目的。 在TWA檢測(cè)研究中，需要對(duì)心電信號(hào)進(jìn)行預(yù)處理，即信號(hào)去噪和特征點(diǎn)檢測(cè)。小波分析以其多分辨率的特性和表征時(shí)頻兩域信號(hào)局部特征的能力成為我們選取的心電信號(hào)自動(dòng)分析手段。文中采用小波變換將原始心電信號(hào)分解為不同頻段的細(xì)節(jié)信號(hào)，根據(jù)三種主要噪聲的不同能量分布，采用自適應(yīng)閾值和軟硬閾值折衷處理策略用閾值濾波方法對(duì)原始信號(hào)進(jìn)行去噪處理：同時(shí)基于心電信號(hào)的特征點(diǎn)R峰對(duì)應(yīng)于Mexican-hat小波變換的極值點(diǎn)，因此我們使用Mexican-hat小波檢測(cè)R峰，通過附加檢測(cè)方案確保了位置的準(zhǔn)確性，并根據(jù)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(chǎn)生機(jī)理及研究進(jìn)展，分別從臨床應(yīng)用和檢測(cè)方法上展現(xiàn)了目前TWA的發(fā)展進(jìn)程，并利用了譜分析法、相關(guān)分析法和移動(dòng)平均修正算法分別從時(shí)域和頻域?qū)σ恍颖緮?shù)據(jù)進(jìn)行T波交替檢測(cè)。在檢測(cè)中譜分析法抗噪能力較強(qiáng)，但作為一種頻域檢測(cè)方法，無法檢測(cè)非穩(wěn)態(tài)TWA信號(hào)，而相關(guān)分析法受呼吸、噪聲影響較大，數(shù)據(jù)要求較高，因此可以在譜分析檢測(cè)為陽性TWA基礎(chǔ)上，再對(duì)信號(hào)進(jìn)行相關(guān)分析，從而克服自身算法缺陷，確定交替幅度和時(shí)間段。最后對(duì)影響檢測(cè)結(jié)果的因素進(jìn)行討論研究，從而降低檢測(cè)誤差。 文章還設(shè)計(jì)了T波交替檢測(cè)技術(shù)原理性樣機(jī)的關(guān)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(shè)計(jì)了該樣機(jī)的關(guān)鍵電路，包括采集模塊、數(shù)據(jù)處理模塊(外部存儲(chǔ)電路、通信接口電路等)。其中在采集模塊中針對(duì)心電信號(hào)是微弱信號(hào)并且干擾大的特點(diǎn)，采用了具有高共模抑制比和高輸入阻抗的分級(jí)放大電路，有效的提取了信號(hào)分量：A/D轉(zhuǎn)換電路保證了信號(hào)量化的高精度。利用USB接口芯片和刪內(nèi)部異步串行通訊實(shí)現(xiàn)系統(tǒng)與外界聯(lián)系。系統(tǒng)軟件中首先介紹了系統(tǒng)的軟件開發(fā)環(huán)境，然后給出了心電信號(hào)分析及處理程序設(shè)計(jì)流程圖及實(shí)現(xiàn)，使它們共同完成系統(tǒng)的軟件監(jiān)護(hù)功能。
標(biāo)簽： ARM 檢測(cè)技術(shù)
上傳時(shí)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(jù)MEMS陀螺儀信號(hào)漂移的數(shù)學(xué)模型,采用了基于小波閾值去噪法對(duì)MEMS陀螺儀的輸出進(jìn)行實(shí)時(shí)消噪處理.并將該算法應(yīng)用到基于DSP的某MEMS陀螺捷聯(lián)慣導(dǎo)系統(tǒng)后對(duì)系統(tǒng)的MEMS陀螺儀進(jìn)行零漂試驗(yàn).通過整個(gè)系統(tǒng)試驗(yàn)結(jié)果分析,使用小波閾值去噪法對(duì)抑制MEMS陀螺儀零漂,改善MEMS陀螺儀的零偏穩(wěn)定性具有很好的效果,肯定了小波閾值去
標(biāo)簽： MEMS 小波閾值 去噪 信號(hào)降噪
上傳時(shí)間： 2013-04-24
上傳用戶：xiehao13
為去除腦電信號(hào)采集過程中存在的噪聲信號(hào)，提出了基于小波閾值去噪的腦電信號(hào)去噪。以小波閾值降噪為基礎(chǔ)，首先利用db4小波對(duì)腦電信號(hào)進(jìn)行5尺度分解，然后采用軟、硬閾值與小波重構(gòu)的算法進(jìn)行去噪。通過對(duì)MIT腦電數(shù)據(jù)庫中的腦電信號(hào)進(jìn)行仿真，結(jié)果表明，采用軟閾值方法有效去除了噪聲，提高了腦電信號(hào)的信噪比。
上傳時(shí)間： 2014-12-23
上傳用戶：如果你也聽說
提出了一種基于相關(guān)分析的飛機(jī)目標(biāo)識(shí)別方法。該方法利用飛機(jī)圖像低頻和高頻部分合成濾波器模板，能達(dá)到很高識(shí)別率與很低的等錯(cuò)率。該研究旨在提高飛機(jī)識(shí)別的準(zhǔn)確率和降低出錯(cuò)率，采用一種基于相關(guān)分析的飛機(jī)目標(biāo)識(shí)別方法。該方法通過對(duì)采集的飛機(jī)圖像做去除背景、降噪、圖像增強(qiáng)、二值化和歸一化處理，將飛機(jī)圖像低頻和高頻部分合成濾波器模板，通過特征比對(duì)達(dá)到識(shí)別飛機(jī)的目的。利用Matlab 7.0做10種飛機(jī)的識(shí)別實(shí)驗(yàn)，得出了95.47%識(shí)別率和0.04%等錯(cuò)率的結(jié)論，識(shí)別率和等錯(cuò)率均優(yōu)于不變矩法、三維識(shí)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(guān)分析的飛機(jī)目標(biāo)識(shí)別方法的優(yōu)越性。在飛機(jī)圖像數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明，該方法是可行的。
標(biāo)簽： 分 飛機(jī) 目標(biāo)識(shí)別
上傳時(shí)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(xué)習(xí)小波分析，掌握科學(xué)前沿的資料
標(biāo)簽： 提升小波
上傳時(shí)間： 2014-01-24
上傳用戶：邶刖
關(guān)于小波變換和應(yīng)用的電子書，小波分析是在工程上應(yīng)用很廣泛的一門新興學(xué)科。
上傳時(shí)間： 2014-01-23
上傳用戶：變形金剛
文章通過對(duì)實(shí)序列快速傅里葉變換的算法推導(dǎo)及Mallat 算法原理的分析，根據(jù)離散小波變換（DWT）算 法結(jié)構(gòu)特征，提出了一種離散小波的快速變換算法，給出了相應(yīng)的算法步驟。從數(shù)學(xué)理論上進(jìn)行了論證，并把該算法 應(yīng)用到靜態(tài)圖像處理中，得到了很好的快速和重建效果，具有一定的實(shí)用價(jià)值。 關(guān)鍵詞：小波分析；Mallat 算法；快速小波算法 圖像處理 中圖分類號(hào)：TN914 文獻(xiàn)標(biāo)識(shí)碼：A 1 引言 小波分析是近十多年來迅速發(fā)展起來的新興學(xué)科和信號(hào)分析理論，是繼傅里葉分析方法之后的重 大突變。它具有時(shí)域局部化和頻域局部化的優(yōu)點(diǎn)，而且高頻端的時(shí)間間隔小（有著高的時(shí)間分辨率）， 低頻端的時(shí)間間隔大（有著高的頻率分辨率），這與人的視覺機(jī)制由粗到細(xì)的認(rèn)識(shí)過程相一致，固而有 “數(shù)學(xué)顯微鏡”之稱，是進(jìn)行信號(hào)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(shù)字信號(hào)處理和數(shù)字通信
上傳時(shí)間： 2015-05-23
上傳用戶：tyler
小波分解源代碼，基于Scilab！Scilab是一個(gè)OpenSource的類似matlab的工具，通過該源代碼可以為開發(fā)小波分析提供參考！
上傳時(shí)間： 2015-09-25
上傳用戶：王小奇
《小波十講》一本經(jīng)典名著，是一本以推廣普及小波分析為目的的學(xué)術(shù)著作，與大家分享
標(biāo)簽：
上傳時(shí)間： 2013-12-01
上傳用戶：banyou
現(xiàn)代信號(hào)分析中,對(duì)于常見的具有各態(tài)歷經(jīng)的平穩(wěn)隨機(jī)信號(hào),不可能用清楚的數(shù)學(xué)關(guān)系式來描述,但可以利用給定的N個(gè)樣本數(shù)據(jù)估計(jì)一個(gè)平穩(wěn)隨機(jī)信號(hào)的功率譜密度叫做功率譜估計(jì)(PSD)。它是數(shù)字信號(hào)處理的重要研究?jī)?nèi)容之一。功率譜估計(jì)可以分為經(jīng)典功率譜估計(jì)(非參數(shù)估計(jì))和現(xiàn)代功率譜估計(jì)(參數(shù)估計(jì))。功率譜估計(jì)在實(shí)際工程中有重要應(yīng)用價(jià)值,如在語音信號(hào)識(shí)別、雷達(dá)雜波分析、波達(dá)方向估計(jì)、地震勘探信號(hào)處理、水聲信號(hào)處理、系統(tǒng)辨識(shí)中非線性系統(tǒng)識(shí)別、物理光學(xué)中透鏡干涉、流體力學(xué)的內(nèi)波分析、太陽黑子活動(dòng)周期研究等許多領(lǐng)域,發(fā)揮了重要作用
標(biāo)簽： PSD 隨機(jī)信號(hào) 信號(hào)分析 樣本
上傳時(shí)間： 2016-03-03
上傳用戶：CHENKAI
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
