基于改进差分阈值算法的心电检测技术研究

针对差分阈值算法中固定阈值的局限性,文中提出了一种基于自适应波峰阈值和R波间隔阈值的算法。该算法结合心电信号特点自动选择波峰阈值,并选择R波间隔阈值,提高了算法的自适应性和准确率。文中以MIT-BIH心律失常数据库中的心电信号作为实验样本,采用带通滤波与小波阈值滤波相结合的方法完成心电信号去噪,采用改进差分自适应阈值算法对心电信号进行波形检测。实验结果表明,该算法能够将心电信号R波的检测准确率提升到99.57%,有效减少了误检、漏检问题的发生,并可准确完成心率、心率变异性、身体疲劳度、精神疲劳度计算和常见心律失常分类。

改进差分阈值和位移匹配模型的车辆跟踪算法

调查发现实际马路上同时运动的车辆较多,而传统跟踪算法大多针对单一目标,故针对多移动车辆目标的检测跟踪问题,提出一种基于改进差分阈值和位移匹配模型的移动车辆跟踪算法。对于移动目标的检测,该算法采用的是一种分簇差分和阈值检测方法。首先将监控图像前后帧匹配后得到的白色区域进行分簇处理,通过设置可调整的阈值来去除噪声点和移动行人目标,并计算处理后的簇的距离均值,将距离均值相同的簇归于一个候选组。再采用位移匹配模型,通过分析得到的位移阈值来对相同移动目标进行判断,并且采用数字对多个移动目标进行标识。仿真结果表明,该算法在白天和夜晚的条件下都能对移动目标进行检测跟踪,并通过阈值的调整,实现了只针对移动车辆的专用目标跟踪。