CN104702243A - 一种基于模糊逻辑滤除工频干扰的自适应滤波系统 - Google Patents
一种基于模糊逻辑滤除工频干扰的自适应滤波系统 Download PDFInfo
- Publication number
- CN104702243A CN104702243A CN201310655931.0A CN201310655931A CN104702243A CN 104702243 A CN104702243 A CN 104702243A CN 201310655931 A CN201310655931 A CN 201310655931A CN 104702243 A CN104702243 A CN 104702243A
- Authority
- CN
- China
- Prior art keywords
- filter
- filtering
- signal
- adaptive
- noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 69
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000005070 sampling Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 210000003205 muscle Anatomy 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000000034 method Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开本发明的技术方案包括一种基于模糊逻辑滤除工频干扰的自适应滤波系统,包括,使用带前置放大器的表贴电极,采集生物信号;对所述生物信号经信号滤波单元进行有源滤波滤除噪声;对滤波处理的数字信号进行模糊逻辑分析,构建匹配的滤波器;输入自适应滤波器,完成滤波。本发明基于模糊逻辑的自适应滤波器,在滤除生物信号采集检测中的工频干扰,对不同标准偏差的工频噪声具有优良的滤波性能,检测精确性方面:通过模糊逻辑系统分析,再次使用自适应滤波,能在一定程度上提高信噪比。通过FPGA实现该数字滤波器,适应滤波器自身可对频率变化的工频噪声良好跟随并消除。
Description
技术领域
本发明涉及生物电控制技术领域,具体涉及一种基于模糊逻辑滤除工频干扰的自适应滤波系统。
背景技术
工频干扰是生物信号采集中一重要干扰源,恰落入多种生物小信号的主要信号频率范围内,随时间相位和频率发生变化的工频噪声更加难以滤除,使得滤除生物小信号信号检测中的工频干扰尤为关键。近年来,已经有多种滤除工频干扰的方法应用在生物小信号信号检测中,包括:利用带阻滤波器在电路上滤除工频干扰;利用数字陷波器,将采集的模拟信号量化为数字信号后,再利用频谱插值法、自适应滤波、小波变换等进行滤波处理。
美国加利福尼亚大学的控制论专家L.A.Zadeh教授1965提出了模糊集合的概念,开创了模糊数学以及模糊推理的历史,其理论方法也日益完善,并广泛应用到自然科学和社会科学的各个领域。1972年,模糊逻辑首次应用于控制领域,自1974年英国工程师E.H.Mamdani将模糊控制成功地应用到锅炉和蒸汽机控制,模糊逻辑理论得到了飞速的发展并成功的应用到诸多的领域当中。
由于模糊逻辑可以模仿人的思维,通过模糊规则能对只有良好的控制经验而没有精确数学模型的复杂系统具有良好的控制作用。因此模糊控制的实质就是利用模糊逻辑系统对复杂控制系统中的不确定项进行有效的处理。模糊控制是基于知识或基于模糊规则,模仿人的模糊推理和决策,模糊逻辑理论虽然早已广泛应用于控制系统及模式识别,但在信号处理领域还较少。
模糊逻辑理论对于不确定项的有效控制,是可稳定的控制自适应滤波器中的参考输入,并有效得提高滤波精度和滤波质量。在实际情况中噪声具有不同的统计特性,单一的数字滤波器设计往往无法有效的去除工频干扰。而自适应滤波能良好的跟随工频干扰的频率变化,结合模糊逻辑,将会提高自适应滤波器的精度,具备有效的去除变化频率,变化幅度的工频噪声的能力。
目前,常见的滤除生物小信号检测中工频干扰的设计如下:
(1)、在检测硬件电路上采用模拟陷波器实现,一般是采用二阶有源50Hz陷波滤波器,“滤除50Hz工频干扰的滤波电路设计”;
(2)、采用数字滤波的方法,使用小波变换,“面肌电信号处理和模式识别方法研究”,频谱插值法进行工频干扰的滤除;
(3)、采用自适应滤波器,“消除心电信号工频干扰的IIR自适应陷波器设计”,对工频干扰进行滤除。
上述滤除工频干扰存在以下缺点:(1)、使用模拟滤波器进行降噪,由于电子元器件在不同温度精度会受影响,且电子元器件随时间过程会有不同程度的老化,因此在一定程度上将影响滤波的性能;(2)、采用小波变换的数字滤波器,虽然可以避免上述(1)存在的缺点,具有多分辨率分析及能应对信号噪声突变,但一旦选择一个小波进行整个数据处理,会产生很多伪谐波分量,降低被检测信号的信噪比;而且,选择一个合适的小波函数也是非常不容易的;(3)、自适应滤波器通过可调整系数的滤波器将输入信号加权后产生一个输出,与期望的参考或训练信号进行比较,形成误差信号;而前述自适应滤波器往往收敛较慢,具有高稳态误差及不稳定的缺陷。
发明内容
本发明的目的在于,为克服现有的技术存在的上述问题,提供一种基于模糊逻辑滤除工频干扰的自适应滤波系统。
本发明的技术方案包括一种基于模糊逻辑滤除工频干扰的自适应滤波系统,包括,使用带前置放大器的表贴电极,采集生物信号;对所述生物信号经信号滤波单元进行有源滤波滤除噪声;对滤波处理的数字信号进行模糊逻辑分析,构建匹配的滤波器;输入自适应滤波器,完成滤波。
优选地,所述使用带前置放大器的表贴电极,采集生物信号具体为,所述带前置放大器的表贴电极放置在待测肌肉的五处不同位置,所述电极间距为20mm,且采用屏蔽线输出至所述信号滤波单元。
优选地,所述信号滤波单元为有源带通滤波器,所述有源带通滤波器的通带频率是20Hz-500Hz。
优选地,所述模糊逻辑分析包括,确定噪声统计特性:进行统计特性的分析,设置滤波参数;所述统计特性为三角分布;单值滤波;构建模糊化模块,将数字信号变换成相应的隶属度分析;模糊推理和去模糊化:采用判别隶属度大小进行模糊推理和去模糊化处理;确定最大滤波噪声。
优选地,所述模糊推理和去模糊化处理具体为:计算所述数字信号幅度抽样值0,1的隶属度值u0和u1,其中,u0为抽样值对幅度0的隶属度值,u1为抽样值对幅度1的隶属度值;若隶属度值u0大于隶属度值u1,则去模糊化输出0,若隶属度值u0小于隶属度值u1,则去模糊化输出1。
优选地,所述确定最大滤波噪声具体为:滤波噪声的0隶属度函数最右边参数和1隶属度最左边参数相等时,为最大滤波噪声的门限值。
优选地,所述自适应滤波器状态包括:
状态一、上升沿出现至下一状态时,移位寄存器B和寄存器C的片选信号CS1从高电平转为低电平;数据选择器A的控制信号SEL为低电平,选择外部数据输入;累加器E为下一状态时清零;
状态二、移位寄存器B中存放数据,所述片选信号CS1保持有效,所述控制信号SEL为高电平,数据选择器A接收移位寄存器B传输的最右端数据;移位寄存器K的片选信号CS2与累加器E的片选信号CS3变为有效,累加器E的清零信号CLR变为高电平;累加器E不清零,此时乘法器D完成乘法运算,累加器E继续加法运算,所述加法运算结果送入累加器E中寄存;乘法器I、数据选择器L、加法器J对权系数进行更新实现对移位寄存器K数据的更新;
状态三、在一个运算周期内,更新输出序列;数据选择器A的片选信号CS3变为低电平,片选信号CS2、片选信号CS2、累加器的片选信号CS3变为无效;数据选择器A的控制信号SEL变为低电平,选择外部数据输入;累计器E的清零信号CLR变为低电平;滤波器进入等待状态,直到下一滤波周期开始。
本发明的有益效果包括:基于模糊逻辑的自适应滤波器,在滤除生物信号采集检测中的工频干扰,对不同标准偏差的工频噪声具有优良的滤波性能,检测精确性方面:通过模糊逻辑系统分析,再次使用自适应滤波,能在一定程度上提高信噪比。通过FPGA实现该数字滤波器,适应滤波器自身可对频率变化的工频噪声良好跟随并消除。
附图说明
图1为本发明实施例的自适应工频干扰滤波系统的流程图。
图2为本发明实施例的表贴电极的位置布置图。
图3为本发明实施例的有源带通滤波器的电路图。
图4为本发明实施例的自适应滤波器的结构图。
图5为本发明实施例的自适应滤波器的原理图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
如图1所示,本发明实施例提供一种基于模糊逻辑滤除工频干扰的自适应滤波系统,包括,
采样放大电路:使用带前置放大器的表贴电极,采集生物信号;有源滤波单元:对所述生物信号经信号滤波单元进行有源滤波滤除噪声;模糊逻辑系统:对滤波处理的数字信号进行模糊逻辑分析,构建匹配的滤波器;自适应滤波:输入自适应滤波器,完成滤波。
本发明实施例,基于模糊逻辑的自适应滤波器,在滤除生物信号采集检测中的工频干扰,对不同标准偏差的工频噪声具有优良的滤波性能,检测精确性方面:通过模糊逻辑系统分析,再次使用自适应滤波,能在一定程度上提高信噪比。通过FPGA实现该数字滤波器,适应滤波器自身可对频率变化的工频噪声良好跟随并消除。
优选地,所述使用带前置放大器的表贴电极,采集生物信号具体为,所述带前置放大器的表贴电极放置在待测肌肉的五处不同位置,所述电极间距为20mm,且采用屏蔽线输出至所述信号滤波单元。
如图2所示,带有前置放大功能的表贴电极放置在前臂肌肉的五处不同位置,分别是桡侧腕屈肌、尺侧腕屈肌肉、拇长屈肌、指深屈肌、指伸肌。
优选地,所述信号滤波单元为有源带通滤波器,所述有源带通滤波器的通带频率是20Hz-500Hz。
如图3所示,采用硬件电路的方式实现,电阻R1,R2的阻值分别是40KΩ和2.5KΩ;电容C1,C2的值均为0.1μf,运放选择OPA227。并经由STM32芯片进行AD转换,输出数字信号至系统下一级。
所述模糊逻辑分析包括,确定噪声统计特性:进行统计特性的分析,设置滤波参数;常见的噪声统计特性有高斯分布、负指数分布、均匀分布、三角分布、和随机分布。在现实情况中,工频干扰会有一定的频率变化,其统计特性选择为三角分布;
单值滤波/均值滤波;单值滤波具有处理速度快、实用性强、滤波误差小的特点,缺点是滤波方差不能超过最大滤波方差;而均值滤波噪声的方差可足够大,较大的硬件开销。本实施例,选择单值滤波。
构建模糊化模块,将数字信号变换成相应的隶属度分析;模糊推理和去模糊化:采用判别隶属度大小进行模糊推理和去模糊化处理;确定最大滤波噪声。
模糊化模块功能是将输入数据变换成相应的隶属度分析。使用缩短三角模糊模型对滤波器抽样数据进行模糊化处理。三角模糊模型函数定义,由上一级输出已经为数字信号,所以幅度均值的值为0或1。
优选地,所述模糊推理和去模糊化处理具体为:计算所述数字信号幅度抽样值0,1的隶属度值u0和u1,其中,u0为抽样值对幅度0的隶属度值,u1为抽样值对幅度1的隶属度值;若隶属度值u0大于隶属度值u1,则去模糊化输出0,若隶属度值u0小于隶属度值u1,则去模糊化输出1。
所述确定最大滤波噪声具体为:滤波噪声的0隶属度函数最右边参数和1隶属度最左边参数相等时,为最大滤波噪声的门限值。
三角分布的最大门限值为0.204.通过在一个周期多次抽样,进行单值滤波。
自适应滤波器原理,如图4所示,原始信号经上一步模拟逻辑系统分析后,输入自适应滤波器,完成二次滤波。
如图5所示,所述自适应滤波器状态包括:
状态一、上升沿出现至下一状态时,移位寄存器B和寄存器C的片选信号CS1从高电平转为低电平;数据选择器A的控制信号SEL为低电平,选择外部数据输入;累加器E为下一状态时清零;
状态二、移位寄存器B中存放数据,所述片选信号CS1保持有效,所述控制信号SEL为高电平,数据选择器A接收移位寄存器B传输的最右端数据;移位寄存器K的片选信号CS2与累加器E的片选信号CS3变为有效,累加器E的清零信号CLR变为高电平;累加器E不清零,此时乘法器D完成乘法运算,累加器E继续加法运算,所述加法运算结果送入累加器E中寄存;乘法器I、数据选择器L、加法器J对权系数进行更新实现对移位寄存器K数据的更新;
状态三、在一个运算周期内,更新输出序列;数据选择器A的片选信号CS3变为低电平,片选信号CS2、片选信号CS2、累加器的片选信号CS3变为无效;数据选择器A的控制信号SEL变为低电平,选择外部数据输入;累计器E的清零信号CLR变为低电平;滤波器进入等待状态,直到下一滤波周期开始。
本发明实施例具有如下优点,
1、实用性方面:对不同标准偏差的工频噪声具有优良的滤波性能;
2、检测精确性方面:通过模糊逻辑系统分析,再次使用自适应滤波,能在一定程度上提高信噪比;
3、经济成本:设计时间周期短,可靠性高,且软硬件易实现,有工程实用价值。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (7)
1.一种基于模糊逻辑滤除工频干扰的自适应滤波系统,其特征在于,包括,
使用带前置放大器的表贴电极,采集生物信号;
对所述生物信号经信号滤波单元进行有源滤波滤除噪声;
对滤波处理的数字信号进行模糊逻辑分析,构建匹配的滤波器;
输入自适应滤波器,完成滤波。
2.如权利要求1所述的自适应滤波系统,其特征在于,所述使用带前置放大器的表贴电极,采集生物信号具体为,
所述带前置放大器的表贴电极放置在待测肌肉的五处不同位置,所述电极间距为20mm,且采用屏蔽线输出至所述信号滤波单元。
3.如权利要求1所述的自适应滤波系统,其特征在于,所述信号滤波单元为有源带通滤波器,所述有源带通滤波器的通带频率是20Hz-500Hz。
4.如权利要求1所述的自适应滤波系统,其特征在于,所述模糊逻辑分析包括,
确定噪声统计特性:进行统计特性的分析,设置滤波参数;所述统计特性为三角分布;
单值滤波;
构建模糊化模块,将数字信号变换成相应的隶属度分析;
模糊推理和去模糊化:采用判别隶属度大小进行模糊推理和去模糊化处理;
确定最大滤波噪声。
5.如权利要求4所述的自适应滤波系统,其特征在于,所述模糊推理和去模糊化处理具体为:计算所述数字信号幅度抽样值0,1的隶属度值u0和u1,其中,u0为抽样值对幅度0的隶属度值,u1为抽样值对幅度1的隶属度值;若隶属度值u0大于隶属度值u1,则去模糊化输出0,若隶属度值u0小于隶属度值u1,则去模糊化输出1。
6.如权利要求1所述的自适应滤波系统,其特征在于,所述确定最大滤波噪声具体为:滤波噪声的0隶属度函数最右边参数和1隶属度最左边参数相等时,为最大滤波噪声的门限值。
7.如权利要求1所述的自适应滤波系统,其特征在于,所述自适应滤波器状态包括:
状态一、上升沿出现至下一状态时,移位寄存器B和寄存器C的片选信号CS1从高电平转为低电平;数据选择器A的控制信号SEL为低电平,选择外部数据输入;累加器E为下一状态时清零;
状态二、移位寄存器B中存放数据,所述片选信号CS1保持有效,所述控制信号SEL为高电平,数据选择器A接收移位寄存器B传输的最右端数据;移位寄存器K的片选信号CS2与累加器E的片选信号CS3变为有效,累加器E的清零信号CLR变为高电平;累加器E不清零,此时乘法器D完成乘法运算,累加器E继续加法运算,所述加法运算结果送入累加器E中寄存;乘法器I、数据选择器L、加法器J对权系数进行更新实现对移位寄存器K数据的更新;
状态三、在一个运算周期内,更新输出序列;数据选择器A的片选信号CS3变为低电平,片选信号CS2、片选信号CS2、累加器的片选信号CS3变为无效;数据选择器A的控制信号SEL变为低电平,选择外部数据输入;累计器E的清零信号CLR变为低电平;滤波器进入等待状态,直到下一滤波周期开始。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310655931.0A CN104702243A (zh) | 2013-12-05 | 2013-12-05 | 一种基于模糊逻辑滤除工频干扰的自适应滤波系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310655931.0A CN104702243A (zh) | 2013-12-05 | 2013-12-05 | 一种基于模糊逻辑滤除工频干扰的自适应滤波系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104702243A true CN104702243A (zh) | 2015-06-10 |
Family
ID=53349065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310655931.0A Pending CN104702243A (zh) | 2013-12-05 | 2013-12-05 | 一种基于模糊逻辑滤除工频干扰的自适应滤波系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104702243A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105162434A (zh) * | 2015-09-22 | 2015-12-16 | 哈尔滨工业大学 | 基于时频分析的时变滤波参数产生与实现系统及方法 |
CN116797476A (zh) * | 2021-06-29 | 2023-09-22 | 南京诺源医疗器械有限公司 | 一种医疗光学成像噪声消除方法 |
CN119622219A (zh) * | 2025-02-12 | 2025-03-14 | 深圳市鲸视科技有限公司 | 一种生物信号处理方法、装置、计算机设备及存储介质 |
CN119622219B (zh) * | 2025-02-12 | 2025-07-01 | 深圳市鲸视科技有限公司 | 一种生物信号处理方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1976225A (zh) * | 2006-12-21 | 2007-06-06 | 上海交通大学 | 频率跟踪的工频数字滤波方法 |
CN102169690A (zh) * | 2011-04-08 | 2011-08-31 | 哈尔滨理工大学 | 基于表面肌电信号的语音信号识别系统和识别方法 |
CN102319482A (zh) * | 2011-05-20 | 2012-01-18 | 天津大学 | 一种功能性电刺激模糊控制方法 |
CN103417206A (zh) * | 2012-05-22 | 2013-12-04 | 中国科学院深圳先进技术研究院 | Ecg去除工频干扰的方法及系统 |
-
2013
- 2013-12-05 CN CN201310655931.0A patent/CN104702243A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1976225A (zh) * | 2006-12-21 | 2007-06-06 | 上海交通大学 | 频率跟踪的工频数字滤波方法 |
CN102169690A (zh) * | 2011-04-08 | 2011-08-31 | 哈尔滨理工大学 | 基于表面肌电信号的语音信号识别系统和识别方法 |
CN102319482A (zh) * | 2011-05-20 | 2012-01-18 | 天津大学 | 一种功能性电刺激模糊控制方法 |
CN103417206A (zh) * | 2012-05-22 | 2013-12-04 | 中国科学院深圳先进技术研究院 | Ecg去除工频干扰的方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105162434A (zh) * | 2015-09-22 | 2015-12-16 | 哈尔滨工业大学 | 基于时频分析的时变滤波参数产生与实现系统及方法 |
CN105162434B (zh) * | 2015-09-22 | 2017-11-03 | 哈尔滨工业大学 | 基于时频分析的时变滤波参数产生与实现系统及方法 |
CN116797476A (zh) * | 2021-06-29 | 2023-09-22 | 南京诺源医疗器械有限公司 | 一种医疗光学成像噪声消除方法 |
CN116797476B (zh) * | 2021-06-29 | 2024-06-04 | 南京诺源医疗器械有限公司 | 一种医疗光学成像噪声消除方法 |
CN119622219A (zh) * | 2025-02-12 | 2025-03-14 | 深圳市鲸视科技有限公司 | 一种生物信号处理方法、装置、计算机设备及存储介质 |
CN119622219B (zh) * | 2025-02-12 | 2025-07-01 | 深圳市鲸视科技有限公司 | 一种生物信号处理方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107844755A (zh) | 一种结合dae和cnn的脑电信号特征提取与分类方法 | |
CN106096579A (zh) | 一种心电信号预处理的方法 | |
CN107361765B (zh) | 脑波分析方法及其装置 | |
CN109009143B (zh) | 一种通过人体步态预测心电信息的方法 | |
CN106618542A (zh) | 一种去噪心率信号检测装置及方法 | |
CN102885616A (zh) | 一种去除脉搏波信号基线漂移的方法 | |
CN106487359A (zh) | 基于自适应多尺度AVG‑Hat变换的形态学滤波器的构造方法 | |
CN106125604A (zh) | 一种心电信号预处理系统 | |
CN110084208A (zh) | 一种自适应降噪并避免阶次混叠的计算阶次跟踪方法 | |
CN106500991A (zh) | 基于自适应多尺度avgh变换的轴承故障信号特征提取方法 | |
Taralunga et al. | Fetal ECG enhancement: adaptive power line interference cancellation based on Hilbert Huang Transform | |
CN104352234B (zh) | 一种生理电信号尖峰奇异点检测方法 | |
CN111839847B (zh) | 肌电假肢控制方法、装置、电子设备和计算机可读介质 | |
CN113598759A (zh) | 一种基于肌电特征优化的下肢动作识别方法及系统 | |
CN107361764A (zh) | 一种心电信号特征波形r波的快速提取方法 | |
CN107576380A (zh) | 一种面向φ‑otdr技术的三维振动信号分类方法 | |
CN107224284A (zh) | 一种全数字心电信号的噪声检测方法及系统 | |
CN104702243A (zh) | 一种基于模糊逻辑滤除工频干扰的自适应滤波系统 | |
CN102499675B (zh) | 一种皮层脑电信号的反馈系统随机共振增强方法 | |
Priyadharsini et al. | An Efficient method for the removal of ECG artifact from measured EEG Signal using PSO algorithm | |
CN114611560A (zh) | 基于卷积神经网络的ssvep脑电信号分类方法 | |
Thakran | A hybrid GPFA-EEMD_Fuzzy threshold method for ECG signal de-noising | |
CN110032987A (zh) | 一种基于小脑神经网络模型的表面肌电信号分类方法 | |
CN116992280A (zh) | 基于多尺度小波阈值化网络的轴承故障诊断方法及系统 | |
Bhogeshwar et al. | Study of structural complexity of optimal order digital filters for de-noising ECG signal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150610 |