目的:为实现从母体腹壁混合信号中提取高信噪比和波形清晰的胎儿心电信号,提出一种融合核主成分分析(kernel principal component analysis,KPCA)、快速独立成分分析(fast independent component analysis,FastICA)及奇异值分解(singular value decomposition,SVD)的胎儿心电信号提取算法.方法:首先,采用KPCA对母体心电信号进行降维,再利用改进的基于负熵的FastICA处理降维后的数据,得到独立成分.随后,引入样本熵进行信号通道选择,挑选出包含最多母体信息的信号通道.在选中的母体通道上进行SVD,得到母体心电信号的近似估计,再用腹壁源信号减去该信号得到胎儿心电的初步估计.最后,采用改进的基于负熵的FastICA成功分离出纯净的胎儿心电信号.在腹部和直接胎儿心电图数据库(Abdominal and Direct Fetal Electrocardiogram Database,ADFECGDB)和 PhysioNet 2013挑战赛数据库中对提出的算法进行验证.结果:提出的算法在主观视觉效果和客观评价指标上都表现出优越的性能.在ADFECGDB数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.74％、98.85％和99.30％;在PhysioNet 2013挑战赛数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.10％、97.87％和98.48％.结论:融合KPCA、FastICA及SVD的胎儿心电信号提取算法在提取胎儿心电信号的同时有效处理了附加噪声,为胎儿疾病的早期诊断提供了有力支持.

目的:设计一种心电信号无线传输系统,以提高动态心电监护仪中心电信号的无线传输性能.方法:该系统由心电信号采集模块、无线收发模块、无线通信协议模块和数字滤波模块组成.心电信号采集模块由数字接口电路、A/D转换器微处理器、心电放大电路组成.无线收发模块由无线射频单元、晶振电路、射频电路、调试串口、寄存器、电源模块和复位电路组成.无线通信协议模块由数据链路层与物理层组成,其中数据链路层设计自动应答和调频2种机制.数字滤波模块主要由数字滤波器、信号输入模块、延时单元、系数寄存器等组成,其中数字滤波器采用等波纹法设计,并将心电信号转换为输出序列,实现信号去噪.将基于ZigBee组网和通用分组无线业务(general packet radio service,GPRS)的心电信号无线传输方法和基于无线组网模块的心电信号无线传输方法作为对比方法,验证该系统在不同近程传输距离和不同远程传输距离下的心电信号无线传输性能.结果:相比其他2种方法,在不同近程传输距离和不同远程传输距离下,该系统的心电信号无线传输平均速率和成功传输比例较高,平均用时及平均重传数较低.结论:该系统能够实现动态心电监护仪中心电信号高效、平稳、清晰的无线传输.

针对传统去心电信号(ECG)干扰算法处理异常ECG信号效果欠佳的问题,提出一种基于小波双阈值滤波算法的膈肌肌电(EMGdi)信号降噪方法.该方法以小波系数为基础,构造QRS群波中R峰的检测阈值,进而准确定位R峰位置.在此基础上,采用干扰区间两侧小波平均能量作为干扰区间阈值计算依据,对干扰区间进行平滑处理.通过临床EMGdi信号去ECG干扰实验,结果表明本文方法在去干扰性能上优于传统算法,尤其针对弱EMGdi信号去干扰优势更加明显.

为提高情绪识别的准确率,本研究利用卷积神经网络和迁移学习,提出了一种基于心电(electrocardiography,ECG)信号图像特征的情绪识别方法.首先对ECG信号进行预处理,去除噪声;然后提取ECG信号的时域波形图和时频图;最后,利用迁移学习和双输入EfficientNetV2 网络学习图像的时域和频域特征并进行分类,得到对应的情绪类别.在公开数据集Amigos上进行验证,结果显示,本研究在唤醒度、效价和优势度的识别准确率分别为 91.63%,95.27%和 92.32%.相较于其它情绪识别方法,本研究方法具有更高的准确率.

心电图的发明为心血管疾病的诊断、预防与治疗提供了丰富的信息,然而心电图背后的信息却远不止这些.新一代高频心电技术能够挖掘更深层次的人体生理信息,进一步弥补常规心电在心肌缺血诊断以及自主神经系统状态评估上的不足.从高频心电技术的原理及发展历史出发,分别在信号传感、采集系统、信号去噪以及特征工程等4个方面对高频心电的关键技术进行综述.基于这些技术的发展,进一步总结高频心电技术在心肌缺血和自主神经系统状态评估方面的临床实践和应用成果,并对高频心电在实际应用中的技术局限及未来发展进行分析与讨论.

传统方法进行心电图(ECG)信号分解是基于QRS特征波经验性识别固有模式函数变量(IMF),但ECG信号和噪声信号之间存在频带混叠,导致去噪效果较差,针对此问题提出一种改进鲸鱼算法(IWOA)优化变分模态分解(VMD)算法参数,并和改进小波阈值相结合的方法.利用VMD基于完全非递归分解的特性,在鲸鱼算法中引入感知扰动机制,并用等螺距阿基米德螺旋曲线代替经典的对数螺旋曲线,对VMD中的模态个数K和惩罚参数α进行寻优;然后对ECG信号进行VMD分解,得到一系列IMF分量,通过相关系数判定噪声分量,对其进行改进小波阈值去噪;最后将各分量重构,得到去噪后的信号.将本文方法与单独使用小波阈值算法或VMD算法进行去噪对比实验,结果表明,本文方法可以有效去除ECG信号中的各种干扰,更好地保留ECG信号波形特征,具有潜在的临床指导意义.

针对定步长和现有变步长最小均方(LMS)自适应滤波算法对心电图(ECG)信号去噪效果较差的问题,提出一种基于分式函数改进的变步长LMS算法.首先利用分式函数构造出改进的变步长LMS算法的步长函数式,通过理论和仿真分析得到该算法参数的最佳取值,并在相同条件下与定步长和其他变步长LMS算法进行性能对比,验证了该算法具有更快的收敛速度、更低的稳态误差和更小的计算复杂度.然后将该算法与定步长和其他变步长LMS算法在相同条件下对含多种真实噪声的ECG信号进行去噪效果对比.实验结果表明,相比于其他算法,该算法能更好地去除ECG信号的噪声,且去噪后ECG信号的信噪比最大,均方误差最小,Pearson相关系数最接近于1.

胎儿心电信号的提取对孕期胎儿健康状况的检测具有重要意义.本文提出一种基于平稳小波变换的单/多通道胎儿心电提取方法.多通道环境下输入信号包括腹部混合信号和母体心电信号,单通道环境下母体心电信号采用对腹部混合信号进行窗口平均法获得,然后对信号进行平稳小波变换与阈值去噪,继而提取胎儿心电信号.PhysioNet数据测试实验表明,该方法在单/多通道的环境下均能成功提取到清晰的胎儿心电信号,并且能有效地消除噪声.

设计一种基于单通道孕腹部信号的胎儿心电提取算法,分别提取出母亲心电和胎儿心电,并计算出母亲心率和胎儿心率.首先对单通道孕腹部信号进行k-TEO(k=19)变换,突出母亲心电的QRS波,从而通过简单的阈值法确定母亲心电的R波位置,接着通过在相邻R波间重采样以获得相同的R-R间期T,这样经过一个间隔为T的梳状滤波器就可以分离出相同R-R间期的母亲心电,然后再一次在相邻R波间进行重采样恢复原来的R-R间期就可以获得实际的母亲心电了.原始腹部信号减去上面提取的母亲心电后,胎儿心电QRS波的信噪比大大提高,通过再次应用提取母亲心电的算法即可得到“干净”的胎儿心电波形.选取Physionet数据库中的8组(26通道)孕腹部信号数据进行分析,计算每个通道数据的胎儿心电QRS波位置识别灵敏度、阳性检测率和准确性.结果表明,胎儿心电QRS波的识别准确率达到87.1％,其中有6个通道达到100％.另外计算每个通道的母亲心率和胎儿心率并做统计分析,发现每一组中各个通道的母亲平均心率和胎儿平均心率都非常接近,同一组中各通道间母亲平均心率最大误差为0.1次/min,而胎儿平均心率最大误差也只有0.9次/min,进一步证明算法的可靠性.

目的 为了改进传统FastICA算法对初始权值较敏感的问题,本文提出一种基于超松弛因子改进的FastICA算法来提取胎儿心电.方法 首先对DaISy数据库中的母体腹部混合信号进行中心化和白化处理,去除信号间的相关性;然后在牛顿迭代算法中引入超松弛因子对随机产生的初始权值进行处理,再用改进FastICA算法提取胎儿心电;最后对胎儿心电信号的提取结果 通过可视化的波形和量化指标进行评估.结果实验结果显示该算法平均迭代次数由改进前的55次降到15次,信噪比也得到提高,并且改进后算法提取出来的胎儿心电几乎不掺杂母体心电.结论 基于超松弛因子改进的FastICA算法,在保持收敛速度的同时,放宽了对初始权值的要求,避免了收敛不平衡,减少了迭代次数,可以提取出比较清晰的胎儿心电.