NLMS与RLS算法的仿真比较及其在FECG提取中的应用

该文通过计算机仿真对比研究了归一化最小均方误差(NLMS)和递推最小二乘(RLS)两种自适应滤波算法,并将这两种算法用于胎儿心电图仪的自适应滤波器仿真设计中。该方法通过自适应滤波拾取理想的参考信号,再与腹部混迭信号相减抵消母亲心电图(MECG),从而提取出胎儿心电(FECG)信号。计算机仿真实验结果表明,这两种算法都能通过有效抑制MECG及其它各种干扰以实现FECG的检测。相比之下,RLS算法具有良好的应用性能,除收敛速度快于NLMS以及稳定性强外,还具有更高的起始收敛速率;更小的权失调噪声,更大的抑噪能力,但其计算复杂度高于NLMS算法。

基于小波消噪和自适应滤波的FECG提取

应用小波分析和自适应滤波消噪相结合的方法提取胎儿心电(feta electrocardiogram,FECG)信号.对样本信号对软阈值去噪和硬阈值去噪进行了对比分析,发现软阈值去噪较好.把去噪后的信号作为自适应滤波消噪的参考信号,将腹部信号作为主输入信号,构建了基于RLS自适应噪声抵消(recursive least squares adaptive noise cancellation)系统,并对其进行了样本试验.

采用盲源提取和后小波滤波的胎儿心电图提取

胎儿心电图能够提供有关胎儿健康的信息,帮助确定胎儿是否有疾病,在临床上具有很重要的意义。将心电图仪的电极放置到孕妇体表,获取来自母体内部的心电信号,该信号是母体心电图与胎儿心电图的混合。目前主要有两种方法可以通过处理混合信号,获得胎儿心电图。其中,采用盲源提取的方法可以用较小的运算量获得胎儿心电图,但这种方法提取的胎儿心电图容易受到噪声的污染。而在小波域进行盲源分离,可以分离出较为纯净的胎儿心电图,该方法的缺点是运算量大。提出了一种新的胎儿心电提取方法,该方法首先利用盲源提取算法从采集到的心电信号中提取出受到噪声污染的胎儿心电图,然后再利用小波滤波滤除噪声,获取较为纯净的胎儿心电图。该方法既具有较小的运算量,又可以获得较好的提取性能。合成心电数据仿真和实际胎儿心电图提取试验均验证了该方法的有效性。

基于改进FastICA的胎儿心电提取算法研究

针对FastICA算法容易陷入局部最优,导致提取的胎儿心电往往含有较多噪声的问题。本文将修正BFGS法(MBFGS)和混沌优化算法相结合来代替传统的牛顿迭代法,提出一种新的独立分量分析方法,并用于胎儿心电信号的提取。分别用合成信号和临床信号对该算法进行验证,实验结果表明本文提出的算法能提取出清晰并不含母体心电的胎儿心电信号,而且算法性能更优于FastICA。

结合FastICA与EKF的腹部源胎儿心电信号提取

针对腹部源信号,本文提出一种结合快速独立分量分析(FastICA)与扩展卡尔曼滤波(EKF)的胎儿心电信号提取方法。首先抑制原始母体腹壁混合信号中的基线漂移、工频干扰和脉冲伪迹。然后使用FastICA从母体腹壁混合信号中分离得到母体心电信号估计以及含有残留母体心电成分和其他噪声的胎儿心电信号估计。使用EKF对胎儿心电信号估计进行滤波得到残留的母体心电成分估计,将其抑制后获得含噪声的胎儿心电信号。最后再次使用EKF提取得到清晰的胎儿心电信号。采用临床数据进行实验,本文提出的胎儿心电信号提取方法的灵敏度、阳性预测值和F_(1)分数分别为99.27%,94.35%,96.71%,其基于互相关系数和基于特征值分析的信噪比分别为6.1454 dB和6.5096 dB。实验结果表明本文提出的方法在主观视觉效果和客观评价指标上均优于传统的胎儿心电信号提取方法。

基于DSP的自适应胎儿心电图仪研究

介绍了一种自适应胎儿心电图仪的研究与实现方法。研制了TMS320LF2407A数字信号处理芯片为核心的嵌入式系统。根据自适应噪声抵消(Adaptive noise cancelling,ANC)原理,研究与实现了自适应噪声抵消软件算法,无创无损提取胎儿心电信号,并通过通讯接口送至上位机实时显示,分析和记录处理结果。实验表明该仪器设计合理,性能良好。

基于互信息最小的非线性混合胎儿心电信号提取方法

胎儿心电信号提取具有重要的临床意义。目前大多数胎儿心电信号提取方法是基于线性瞬时混合模型,使用多路信号实现.本文基于更符合实际情况的非线性混合模型,使用两路心电信号,提出一种新颖的从母体腹部混合信号中提取胎儿心电信号方法。首先,在假定母体和胎儿两个心电信号相互独立的基础上,基于互信息最小原则,提出一种新的目标函数;然后,利用多层感知机拟合母体心电信号传导至腹部所经历的非线性变换,从而得到母体腹部混合信号中母体心电成分的最优估计;最后,从母体腹部混合信号中减去母体心电信号的最优估计,实现胎儿心电信号的成功提取。实验结果验证了该方法的正确性和有效性。

基于经验模式分解和最小二乘支持向量机的胎儿心电信号提取

针对心电信号的非平稳特性,将非平稳信号处理方法与非线性估计方法相结合,提出一种从母体腹壁混合信号中提取胎儿心电信号的新方法。采用经验模式分解(EMD)方法将非平稳的母体心电信号分解为有限个本征模函数(IMF)和一个残差信号;母体腹壁混合信号中的母体心电成分为母体心电信号的非线性变换,采用最小二乘支持向量机(LSSVM)拟合这一非线性变换;将EMD分解所得的本征模函数和残差信号经由所拟合的非线性变换得到母体腹壁混合信号中母体心电成分的最优估计,从母体腹壁混合信号中减去该最优估计得到胎儿心电信号。引入基于特征值分析和基于互相关系数计算信噪比的方法,评估胎儿心电信号提取方法的性能。实验结果表明,在胎儿心电信号和母体心电信号QRS波分离或者重叠的情况下,通过提出的方法均可得到清晰的胎儿心电信号,且信噪比相对于传统方法有明显提高。实验结果验证了该方法的有效性。

改进的ICA胎儿心电信号提取法

独立分量分析(ICA)模型中,有关独立性的假设对模型的可识别性至关重要,然而在实际应用中信号源之间往往有某种程度的联系。孕妇腹部信号是由胎儿心电信号(FECG)和母亲心电信号(MECG)线性混合而成的,但是FECG与MECG之间存在一定的相关性,不是完全统计独立的,针对信号源之间弱独立性的这一特点提出了一种新的非入侵式胎儿心电信号提取方法,试验表明该方法比直接用传统的ICA方法提取的胎儿心电信号噪声小、分离效果好。

使用广义回归神经网络的胎儿心电提取

针对胎儿心电难以提取问题,提出一种从母体腹壁混合信号中提取胎儿心电的方法。利用广义回归神经网络(GRNN)估计母体心电信号传导至腹壁的非线性变换,将非线性变换后的母体心电信号从腹壁混合信号中减去,再通过小波包去噪技术抑制胎儿心电的基线漂移和噪声,得到清晰的胎儿心电。应用合成心电信号和临床心电信号完成实验,在胎儿心电和母体心电QRS波完全重叠情况下,提取出清晰的胎儿心电。实验结果验证了方法的有效性。

基于虚拟仪器的胎儿心电图仪的研制

介绍了一种基于虚拟仪器的电脑胎儿心电图系统。该系统由两部分组成:以PIC单片机为核心硬件的数据采集装置和PC平台的处理分析系统。硬件电路功耗低,直接采用端口供电。软件平台采用可视化语言LabView6.1编程实现,由于使用其大量成熟软件模块,大大提高了开发效率。介绍了LabView实现的匹配滤波器等算法,并改进了匹配滤波的模板更新方法。临床试用取得了满意效果。

噪声背景下的胎儿心电提取

在实际应用中,考虑有噪声影响的胎儿心电提取算法具有现实意义,因此本文提出了噪声背景下的基于归一化均方预测误差的新的胎儿心电提取算法。该算法在目标函数中去除了噪声的干扰。理论分析和仿真实验表明了该算法的有效性。与不考虑噪声的胎儿心电提取算法相比,该算法具有更好的提取性能。

基于最小二乘支持向量机的胎儿心电信号提取

该文针对胎儿心电信号难以提取的问题,提出一种从母体腹壁混合信号中提取胎儿心电信号的方法。首先利用最小二乘支持向量机(LSSVM)拟合母体心电信号传导至腹壁所经历的非线性变换,然后将母体心电信号经由所拟合的非线性变换得到腹壁混合信号中的母体心电成分的最优估计,再从腹壁混合信号中减去母体心电成分的最优估计得到含噪声的胎儿心电信号,最后通过经验模式分解(EMD)抑制胎儿心电信号中的基线漂移和噪声,得到清晰的胎儿心电信号。在胎儿心电信号和母体心电信号QRS波完全重叠的情况下,通过该方法能够提取出清晰的胎儿心电信号。实验结果验证了该方法的有效性。

基于快速定点独立分量分析算法的母胎心电信号分离

研究快速定点独立分量分析方法在母胎心电信号分离中的应用。采用此算法,在胎儿心电信号与母体心电信号可以视为相互独立的信号源的前提下,对来源于同一孕妇的观测信号进行独立分量分离。快速定点独立分量算法可以有效地分离出单个独立分量,得到的胎儿心电信号(FECG)较理想。采用独立分量分析方法,实现母胎心电信号分离,是一种值得尝试的信号处理方法。

独立分量分析在胎儿心电提取中的应用

胎儿心电(Fetal Electrocardiogram,FECG)是通过安置在母体腹部表面电极间接检测到的微弱信号,其中含有各种形式的干扰信号,如何将胎儿心电从强背景干扰中分离出来,具有重要的临床应用价值。独立成分分析(Independent Component Analysis,ICA)是近年发展起来的一种新的盲源分离技术(Blind source separation,BSS)。本文将ICA方法应用于胎儿心电信号的提取,并对胎儿心电的在线提取进行了研究,取得了较好的胎儿心电分离效果。

基于独立分量分析的胎儿心电信号提取

研究独立分量分析方法在胎儿心电信号(FECG)提取中的应用,视胎儿心电信号与噪声为相互独立的信号源,采用FastICA算法,对来源于同一孕妇的观测信号进行独立分量分离,得到较为理想的FECG,实践证明:采用该方法提取FECG是一种有效的方法.

使用时频盲源分离和小波包去噪的胎儿心电信号提取

提出一种使用时频盲源分离(TFBSS)和小波包去噪的胎儿心电信号提取新方法。首先通过重排时频谱时频盲源分离方法进行胎儿心电信号的初次提取,并将初次提取得到的母体心电信号和噪声对应的各路分量置零,其余分量由混合矩阵进行重构;然后再利用重排时频谱的时频盲源分离方法对重构信号进行胎儿心电信号的二次提取,得到含噪声的胎儿心电信号;最后通过小波包去噪抑制胎儿心电信号中的基线漂移和噪声。在胎儿心电信号和母体心电信号的QRS波无重叠、部分重叠或完全重叠的情况下,通过该方法能有效抑制母体心电信号和噪声的干扰,提取胎儿心电信号。实验结果表明该方法能提取清晰的胎儿心电信号。

使用信噪比正则化LightGBM的腹部源胎儿心电信号提取方法

胎儿心电信号(Fetal ElectroCardioGram,FECG)能反映胎儿健康状况.但是,由于其信噪比相对较低,FECG仍未能在临床上得到广泛应用.如何有效提取高质量的FECG仍是一个巨大挑战.为此,本文提出一种使用信噪比正则化LightGBM(Light Gradient Boosting Machine)模型的FECG提取方法.针对原始母体腹壁混合信号,首先使用传统滤波方法进行噪声抑制,然后再使用快速独立成分分析(Fast Independent Component Analysis,FastICA)从中分离得到母体心电信号(Maternal ElectroCardioGram,MECG)估计和FECG估计,FECG估计中残留的MECG成分是MECG的一种非线性变换.改进传统LightGBM模型,在目标函数中增加FECG的基于互相关系数的信噪比作为正则项,构建信噪比正则化LightGBM模型,并使用该模型拟合这一非线性变换.将MECG估计经由所拟合的非线性变换得到MECG成分的最优估计,并将其抑制,提取得到高质量的FECG.采用真实腹部源心电信号数据集进行实验,结果显示本文提出的方法的灵敏度为99.9%,阳性预测值为99.1%,F分数为99.5%,基于互相关系数与基于特征值分析的信噪比分别为6.0 dB和6.1 dB.实验结果表明,本文提出的方法是有效的且具有更好的性能.

联合峭度和时序结构的胎儿心电提取

基于峭度范围的盲提取算法利用了胎儿心电信号的峭度特性提取信号,算法收敛较慢,提取效果一般。基于时序结构的盲提取算法,利用信号的时序特性提取心电信号,该算法对时延比较敏感。针对上述两种算法的特点,提出了一种新的联合峭度和时序结构的胎儿心电提取算法,计算机仿真和实际的胎儿心电试验表明了该算法相对基于峭度范围的盲提取算法具有更好的收敛速度和更好的提取效果,相对基于时序结构的盲提取算法对时延具有更强的健壮性。

基于广义自相关的两步盲提取算法

盲提取算法在信号处理和分析中逐步成为一项重要的方法,因为它利用信号的先验特性只提取感兴趣的信号,这样就可以节约大量的计算时间和资源。提出了时序结构信号的两步盲提取算法,第一步,利用信号所具有的广义自相关特性粗提取信号,第二步利用信号的高阶统计特性精提取信号。计算机仿真和实际的胎儿心电实验表明了提出算法的正确性,与基于广义自相关的盲提取算法相比,提出算法具有较好的性能和对时延估计偏差具有更强的健壮性。