滑动窗口脉冲抑制滤波用于心电间期序列坏点去除

提出了一种基于滑动窗口脉冲抑制滤波器算法,首先通过设置滑动窗口将心电间期序列分段,计算每段上对应的脉冲抑制滤波器;然后利用信号增强技术对脉冲抑制滤波器进行增强,扩大坏点与正常点之间差异;最后设置合适的阈值,将心电间期序列中坏点去除。利用MIT-BIH数据库试验对比了本文算法和脉冲抑制滤波器算法,结果表明,本文算法简单易操作,能够消除心电间期序列中非平稳趋势的影响,对坏点检测的灵敏度和特异性分别提高至95.24%和99.83%,能够有效地去除心电间期序列坏点。

模拟初级视皮层脉冲神经元的动作识别系统

大脑中致力于运动信息处理的区域是初级视皮层(V1)和中颞区(MT).目前有关运动模式是在哪个区域完成的,存在不同的推测.迄今大多数关于动作识别的研究都是围绕MT阶段展开的.本文针对V1阶段获得的信息能否进行动作识别的问题展开研究,提出了模拟初级视皮层(V1)脉冲神经元的动作识别系统.该系统首先采用3D Gabor滤波器及其组合分别模拟初级视觉皮层中简单、复杂细胞的感受野,以此对视频图像进行处理,从而获取对运动速度和方向敏感的运动能量,并通过V1阶段的环绕抑制来增强运动能量和降低噪声的影响.其次,采用Integrate-and-fire脉冲神经元模型模拟初级视觉皮层的神经元,将获取的运动信息转换为神经元响应的脉冲链.最后,根据脉冲链平均发放率的特性提取运动特征向量,采用支持向量机(Support vector machine,SVM)作为分类器.在Weiziman数据库下进行测试,实验结果表明,V1阶段获得的信息可以进行动作的识别.