基于小波包的血栓超声多普勒信号检测

提出了基于小波包分解的血栓超声多普勒信号检测方法。利用小波包分解血栓多普勒信号,计算每一子带信号的时间散度,并从中提取与血栓敏感的特征参数进行分类。利用本方法对300例仿真多普勒信号和163例临床采集的大脑中动脉多普勒信号进行分析,得到的检测总误判率比用传统声谱分析方法降低约13％。表明:该方法有效克服了传统声谱分析法中短时傅里叶变换存在的时频分辨率矛盾,提高了血栓多普勒信号自动检测的准确性,可为临床检测血栓提供更为可靠的参数。

基于STFT和EMD的多普勒信号分离算法

针对近场区多普勒信号的识别问题,提出了基于短时傅里叶变换(STFT)和经验模态分解(EMD)的多普勒信号分离算法。该算法利用STFT时频分布,通过极值滤波法并结合EMD算法将回波信号分解成若干个窄带子信号,实现了对多普勒信号的分离和多普勒信号瞬时频率的估计。实测验证表明,该算法能够将频率成分相近的多普勒回波信号分解成若干个窄带的子信号,有助于实现对近场区多普勒信号的提取和识别。

含管壁搏动的超声多普勒血流信号仿真

基于血流和血管壁的物理模型,提出了对包含血管壁搏动的超声多普勒血流信号进行计算机仿真的方法。实验中生成了不同采样容积下的超声多普勒仿真信号,通过计算仿真信号的平均频率曲线,并与给定值进行比较,证明了方法的有效性。该方法的提出,为进一步研究分离血流信号和管壁搏动信号的方法提供了方便有效的信号源。