CN110420022A - 一种基于双密度小波变换的p波检测方法 - Google Patents

一种基于双密度小波变换的p波检测方法 Download PDF

Info

Publication number
CN110420022A
CN110420022A CN201910689639.8A CN201910689639A CN110420022A CN 110420022 A CN110420022 A CN 110420022A CN 201910689639 A CN201910689639 A CN 201910689639A CN 110420022 A CN110420022 A CN 110420022A
Authority
CN
China
Prior art keywords
wave
point
electrocardiosignal
dwt
wavelet
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.)
Granted
Application number
CN201910689639.8A
Other languages
English (en)
Other versions
CN110420022B (zh
Inventor
潘敏
马艺文
赵静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201910689639.8A priority Critical patent/CN110420022B/zh
Publication of CN110420022A publication Critical patent/CN110420022A/zh
Application granted granted Critical
Publication of CN110420022B publication Critical patent/CN110420022B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Cardiology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Power Engineering (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种基于双密度小波变换的P波检测方法，其包括以下步骤：S01、使用双密度小波变换对心电信号降噪；S02、对R波定位；S03、对Q波定位；S04、对心电信号进行双密度小波分解并重构后判断有无P波；S05、对P波定位。通过本方案可以得到信噪比高、平滑值小、平滑度高的P波，为后续的数据分析提供了良好的基础。本方案适用于穿戴式心电系统的心电信号的处理。

Description

一种基于双密度小波变换的P波检测方法
技术领域
本发明涉及一种心电图数据处理领域，尤其是涉及一种基于双密度小波变换的P波检测方法。
背景技术
穿戴式心电检测系统能够实现连续监测、动态检测、移动接入等要求，正越来越广泛地被应用于医疗健康领域。穿戴式心电检测系统可以长时间进行心电信号采集，获得的数据量大，并且具有以下特点：1.微弱性和低频性；2.随机性和不稳定性；3.高阻抗性和近场检测特性；4.易受干扰。如何从心电信号中检测并提取出有用的信号成分，是当前亟需解决的核心问题。
心电信号特征参数提取对象主要是心电信号中的QRS波群、P波、T波和ST段等波形。P波代表了两心房去极化过程的电位变化，P波时限和P波离散度是P波分析中两个重要特征参数。P波波幅小、频率低、形态多样，所以难以与噪声和干扰分离，因此，相比QRS波群，P波检测、P波时限和P波离散度的计算都更加困难。
发明内容
本发明主要是解决现有技术所存在的较难对P波进行准确检测和提取的技术问题，提供一种精度较高的基于双密度小波变换的P波检测方法。
本发明针对上述技术问题主要是通过下述技术方案得以解决的：一种基于双密度小波变换的P波检测方法，包括以下步骤：
S01、对心电信号降噪：使用基于双密度小波变换的小波阈值去噪方法，对前端心电信号进行降噪处理，得到较为纯净的心电信号S(n)；
S02、对R波定位：对心电信号S(n)进行连续小波分解，小波分解具体为调用cwt函数然后选择小波基函数mexh对信号进行分解，根据心电信号的采样频率Fs确定分解尺度，例如采样频率为50Hz，分解尺度为1主要得到0-25Hz频段的信号，分解尺度为2主要得到0-12.5Hz的信号，以此类推，得到R波(6-18Hz)能量最集中的小波系数CWT_S1(n)；采集CWT_S1(n)的绝对值序列的所有极大值点，并将所有极大值点按降序排列得到CWT_S1MAX，计算阈值Thr，寻找大于阈值的极大值点从而初步定位R波，如果R波相邻波峰间隔小于t则保留幅值较大点，以排除误检，并在S(n)对应的该点附近修正R波，逐个定位后得到R波序列Rwave；阈值Thr计算公式如下：
其中，对于未出现严重心率失常的心电信号，n＝8，m＝100，r1＝0.3，t＝0.3s，N是CWT_S1MAX序列的长度，即极大值点的个数；
S03、对Q波定位：对心电信号S(n)进行连续小波分解，根据信号长短调整分解尺度，得到Q波(0.05-2Hz)能量最集中的小波系数CWT_S2(n)；在该小波系数上，由R波向左搜索第一个极小值点CWT_S2min，以[(CWT_S2min-0.1×Fs),Rwave]为检测窗，由此为起点向右搜寻第一个极小值，初步定位Q波，并在S(n)对应的该点附近修正Q波；逐个定位后得到Q波序列Qwave；
S04、判断有无P波：对心电信号S(n)信号进行双密度小波分解，根据信号长短调整分解尺度，得到P波(0.7-10Hz)能量最集中的小波系数DWT_S(n)，并重构为与原始信号长度相等的信号；对DWT_S(n)进行差分运算得到DWT_S'(n)，由Q波向左搜索DWT_S'(n)的最大值序列DWT_S'MAX和最小值序列DWT_S'MIN，视为P波左右侧拐点的差分值集合，满足以下条件则表明存在P波：
DWT_S′MAX(i)>r2×DWT_S′(Rwave(i))
DWT_S′MIN(i)>r2×DWT_S(Rwave(i))
其中，r2为0.2，可根据不同状况下不同导联的P波形态调整大小；如果存P波，进入步骤S05；如果不存在P波，则流程结束；
S05、对P波定位：P波左侧拐点的差分值大，右侧拐点的差分值小，故以[DWT_S′MAX,DWT_S′MIN]为检测窗，在小波系数DWT_S(n)上，检测窗内的极大值或极小值点则为正立或倒置的P波，逐个定位后得到P波序列Pwave。
前端采集的心电信号通常包含多种噪声干扰，包括工频干扰、高频噪声、低频基线漂移噪声、肌电干扰和运动伪迹等，大部分干扰都可以利用小波变换进行处理。小波变换是一种用于处理非平稳信号的有效工具，但是不具有平移不变性；而双密度小波变换法则能够弥补经典离散小波变换的不足，具有近似的平移不变性、较好的重构性和有限的冗余性。
作为优选，所述步骤S01具体为：
S101、分解：对含有噪声的心电信号进行双密度小波分解，得到高频系数和低频系数；
S102、去噪：选取阈值λ，并对小波系数做阈值处理，得到新的小波系数；阈值处理具体为把小波系数中小于这个阈值的点直接置0；
S103、重构：对新的小波系数做逆变换，重构降噪后的心电信号S(n)。
作为优选，所述步骤S102中，选取阈值λ具体为：
N为心电信号S(n)的长度；不同尺度下的小波系数阈值相等，保持原阈值不变。
作为优选，所述步骤S101和步骤S04中，对心电信号进行双密度小波分解具体为：
以三通道滤波器组对原始信号进行分解，即使用三组滤波器对心电信号进行卷积，滤波器组为：
三个滤波器满足以下条件：
H0(z)H0(1/z)+H1(z)H1(1/z)+H2(z)H2(1/z)＝2
H0(z)H0(-1/z)+H1(z)H1(-1/z)+H2(z)H2(-1/z)＝0。
作为优选，步骤S05以后还包括以下步骤：
S06、计算P波时限和P波离散度：利用P波的形态特征，分别以和[Pwave(i),Qwave(i)]为搜索区间，在小波系数DWT_S(n)上，由P波顶点分别向左和向右搜索拐点，定义为P波的起始点和终止点，起点终点的差则为P波时限；不同导联中测定的P波最大时限与P波最小时限的差值为P波离散度。
作为优选，步骤S02中，修正R波具体为如果某个波峰顶点前后0.05s内有大于R波波峰值的点，则把此大于R波波峰值的点设为真正的R波波峰顶点；步骤S03中，修正Q波具体为如果某个波峰顶点前后0.05s内有大于Q波波峰值的点，则把此大于Q波波峰值的点设为真正的Q波波峰顶点。
本发明带来的实质性效果是，得到的P波信噪比高，平滑值小，平滑度高，为后续的数据分析提供了良好的基础。
附图说明
图1是本发明的一种流程图；
图2是本发明的一种三通道滤波器组结构示意图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：本实施例的一种基于双密度小波变换的P波检测方法，如图1所示，包括以下步骤：
S01、对心电信号降噪：使用基于双密度小波变换的小波阈值去噪方法，对前端心电信号进行降噪处理，得到较为纯净的心电信号S(n)；
S02、对R波定位：对心电信号S(n)进行连续小波分解，小波分解具体为调用cwt函数然后选择小波基函数mexh对信号进行分解，根据心电信号的采样频率Fs确定分解尺度，例如采样频率为50Hz，分解尺度为1主要得到0-25Hz频段的信号，分解尺度为2主要得到0-12.5Hz的信号，以此类推，得到R波(6-18Hz)能量最集中的小波系数CWT_S1(n)；采集CWT_S1(n)的绝对值序列的所有极大值点，并将所有极大值点按降序排列得到CWT_S1MAX，计算阈值Thr，寻找大于阈值的极大值点从而初步定位R波，如果R波相邻波峰间隔小于t则保留幅值较大点，以排除误检，并在S(n)对应的该点附近修正R波，逐个定位后得到R波序列Rwave；阈值Thr计算公式如下：
其中，对于未出现严重心率失常的心电信号，n＝8，m＝100，r1＝0.3，t＝0.3s，N是CWT_S1MAX序列的长度，即极大值点的个数；
S03、对Q波定位：对心电信号S(n)进行连续小波分解，根据信号长短调整分解尺度，得到Q波(0.05-2Hz)能量最集中的小波系数CWT_S2(n)；在该小波系数上，由R波向左搜索第一个极小值点CWT_S2min，以[(CWT_S2min-0.1×Fs),Rwave]为检测窗，由此为起点向右搜寻第一个极小值，初步定位Q波，并在S(n)对应的该点附近修正Q波；逐个定位后得到Q波序列Qwave；
S04、判断有无P波：对心电信号S(n)信号进行双密度小波分解，根据信号长短调整分解尺度，得到P波(0.7-10Hz)能量最集中的小波系数DWT_S(n)，并重构为与原始信号长度相等的信号；对DWT_S(n)进行差分运算得到DWT_S'(n)，由Q波向左搜索DWT_S'(n)的最大值序列DWT_S'MAX和最小值序列DWT_S'MIN，视为P波左右侧拐点的差分值集合，满足以下条件则表明存在P波：
DWT_S′MAX(i)>r2×DWT_S′(Rwave(i))
DWT_S′MIN(i)>r2×DWT_S(Rwave(i))
其中，r2为0.2，可根据不同状况下不同导联的P波形态调整大小；如果存P波，进入步骤S05；如果不存在P波，则流程结束；
S05、对P波定位：P波左侧拐点的差分值大，右侧拐点的差分值小，故以[DWT_S′MAX,DWT_S′MIN]为检测窗，在小波系数DWT_S(n)上，检测窗内的极大值或极小值点则为正立或倒置的P波，逐个定位后得到P波序列Pwave。
前端采集的心电信号通常包含多种噪声干扰，包括工频干扰、高频噪声、低频基线漂移噪声、肌电干扰和运动伪迹等，大部分干扰都可以利用小波变换进行处理。小波变换是一种用于处理非平稳信号的有效工具，但是不具有平移不变性；而双密度小波变换法则能够弥补经典离散小波变换的不足，具有近似的平移不变性、较好的重构性和有限的冗余性。
步骤S01具体为：
S101、分解：对含有噪声的心电信号进行双密度小波分解，得到高频系数和低频系数；
S102、去噪：选取阈值λ，并对小波系数做阈值处理，得到新的小波系数；阈值处理具体为把小波系数中小于这个阈值的点直接置0；
S103、重构：对新的小波系数做逆变换，重构降噪后的心电信号S(n)。
步骤S102中，选取阈值λ具体为：
N为心电信号S(n)的长度；不同尺度下的小波系数阈值相等，保持原阈值不变。
步骤S101和步骤S04中，对心电信号进行双密度小波分解具体为：
以三通道滤波器组对原始信号进行分解，即使用三组滤波器对心电信号进行卷积，滤波器组为：
三个滤波器满足以下条件：
H0(z)H0(1/z)+H1(z)H1(1/z)+H2(z)H2(1/z)＝2
H0(z)H0(-1/z)+H1(z)H1(-1/z)+H2(z)H2(-1/z)＝0。
图2是本实施例的三通道滤波器组结构示意图。
步骤S05以后还包括以下步骤：
S06、计算P波时限和P波离散度：利用P波的形态特征，分别以和[Pwave(i),Qwave(i)]为搜索区间，在小波系数DWT_S(n)上，由P波顶点分别向左和向右搜索拐点，定义为P波的起始点和终止点，起点终点的差则为P波时限；不同导联中测定的P波最大时限与P波最小时限的差值为P波离散度。
步骤S02中，修正R波具体为如果某个波峰顶点前后0.05s内有大于R波波峰值的点，则把此大于R波波峰值的点设为真正的R波波峰顶点；步骤S03中，修正Q波具体为如果某个波峰顶点前后0.05s内有大于Q波波峰值的点，则把此大于Q波波峰值的点设为真正的Q波波峰顶点。
本文中，双密度小波分解即使用双密度小波变换对信号进行分解。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了双密度小波变换、小波系数、检测窗等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (6)

1.一种基于双密度小波变换的P波检测方法，其特征在于，包括以下步骤：
S01、对心电信号降噪：使用基于双密度小波变换的小波阈值去噪方法，对前端心电信号进行降噪处理，得到较为纯净的心电信号S(n)；
S02、对R波定位：对心电信号S(n)进行连续小波分解，根据心电信号的采样频率Fs确定分解尺度，得到R波能量最集中的小波系数CWT_S1(n)；采集CWT_S1(n)的绝对值序列的所有极大值点，并将所有极大值点按降序排列得到CWT_S1MAX，计算阈值Thr，寻找大于阈值的极大值点从而初步定位R波，如果R波相邻波峰间隔小于t则保留幅值较大点，并在S(n)对应的该点附近修正R波，逐个定位后得到R波序列Rwave；阈值Thr计算公式如下：
其中，对于未出现严重心率失常的心电信号，n＝8，m＝100，r1＝0.3，t＝0.3s，N是CWT_S1MAX序列的长度，即极大值点的个数；
S03、对Q波定位：对心电信号S(n)进行连续小波分解，根据信号长短调整分解尺度，得到Q波能量最集中的小波系数CWT_S2(n)；在该小波系数上，由R波向左搜索第一个极小值点CWT_S2min，以[(CWT_S2min-0.1×Fs),Rwave]为检测窗，由此为起点向右搜寻第一个极小值，初步定位Q波，并在S(n)对应的该点附近修正Q波；逐个定位后得到Q波序列Qwave；
S04、判断有无P波：对心电信号S(n)信号进行双密度小波分解，根据信号长短调整分解尺度，得到P波能量最集中的小波系数DWT_S(n)，并重构为与原始信号长度相等的信号；对DWT_S(n)进行差分运算得到DWT_S'(n)，由Q波向左搜索DWT_S'(n)的最大值序列DWT_S'MAX和最小值序列DWT_S'MIN，视为P波左右侧拐点的差分值集合，满足以下条件则表明存在P波：
DWT_S′MAX(i)>r2×DWT_S′(Rwave(i))
DWT_S′MIN(i)>r2×DWT_S(Rwave(i))
其中，r2为0.2；如果存P波，进入步骤S05；如果不存在P波，则流程结束；
S05、对P波定位：以[DWT_S′MAX,DWT_S′MIN]为检测窗，在小波系数DWT_S(n)上，检测窗内的极大值或极小值点则为正立或倒置的P波，逐个定位后得到P波序列Pwave。
2.根据权利要求1所述的一种基于双密度小波变换的P波检测方法，其特征在于，所述步骤S01具体为：
S101、分解：对含有噪声的心电信号进行双密度小波分解，得到高频系数和低频系数；
S102、去噪：选取阈值λ，并对小波系数做阈值处理，得到新的小波系数；
S103、重构：对新的小波系数做逆变换，重构降噪后的心电信号S(n)。
3.根据权利要求2所的一种基于双密度小波变换的P波检测方法，其特征在于，所述步骤S102中，选取阈值λ具体为：
N为心电信号S(n)的长度；不同尺度下的小波系数阈值相等，保持原阈值不变。
4.根据权利要求3所述的一种基于双密度小波变换的P波检测方法，其特征在于，所述步骤S101和步骤S04中，对心电信号进行双密度小波分解具体为：
以三通道滤波器组对原始信号进行分解，滤波器组为：
三个滤波器满足以下条件：
H0(z)H0(1/z)+H1(z)H1(1/z)+H2(z)H2(1/z)＝2
H0(z)H0(-1/z)+H1(z)H1(-1/z)+H2(z)H2(-1/z)＝0。
5.根据权利要求1或4所述的一种基于双密度小波变换的P波检测方法，其特征在于，步骤S05以后还包括以下步骤：
S06、计算P波时限和P波离散度：利用P波的形态特征，分别以和[Pwave(i),Qwave(i)]为搜索区间，在小波系数DWT_S(n)上，由P波顶点分别向左和向右搜索拐点，定义为P波的起始点和终止点，起点终点的差则为P波时限；不同导联中测定的P波最大时限与P波最小时限的差值为P波离散度。
6.根据权利要求1所述的一种基于双密度小波变换的P波检测方法，其特征在于，步骤S02中，修正R波具体为如果某个波峰顶点前后0.05s内有大于R波波峰值的点，则把此大于R波波峰值的点设为真正的R波波峰顶点；步骤S03中，修正Q波具体为如果某个波峰顶点前后0.05s内有大于Q波波峰值的点，则把此大于Q波波峰值的点设为真正的Q波波峰顶点。
CN201910689639.8A 2019-07-29 2019-07-29 一种基于双密度小波变换的p波检测方法 Active CN110420022B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910689639.8A CN110420022B (zh) 2019-07-29 2019-07-29 一种基于双密度小波变换的p波检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910689639.8A CN110420022B (zh) 2019-07-29 2019-07-29 一种基于双密度小波变换的p波检测方法

Publications (2)

Publication Number Publication Date
CN110420022A true CN110420022A (zh) 2019-11-08
CN110420022B CN110420022B (zh) 2020-12-11

Family

ID=68412916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910689639.8A Active CN110420022B (zh) 2019-07-29 2019-07-29 一种基于双密度小波变换的p波检测方法

Country Status (1)

Country Link
CN (1) CN110420022B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113440145A (zh) * 2021-06-28 2021-09-28 西北大学 一种心电信号t波及其终点自动检测方法
CN114900413A (zh) * 2022-05-11 2022-08-12 瑞斯康达科技发展股份有限公司 一种基站侧上行波形选择方法和基站

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1189320A (zh) * 1997-01-31 1998-08-05 惠普公司 快速确定心电图波形形态的方法和系统
CN1710584A (zh) * 2004-06-17 2005-12-21 黄文义 周期性生理信号处理方法及系统
JP4006007B2 (ja) * 2004-11-10 2007-11-14 大成建設株式会社 ひび割れ検出方法
CN101828917A (zh) * 2010-05-07 2010-09-15 深圳大学 心电信号特征提取的方法和系统
CN102247143A (zh) * 2011-06-03 2011-11-23 吉林大学珠海学院 一种可集成的心电信号去噪和qrs波识别的快速算法
CN102323977A (zh) * 2011-06-29 2012-01-18 无锡市吉天通信科技有限公司 基于心电特征点的心电数据存储方法
CN102551687A (zh) * 2012-01-18 2012-07-11 纪震 基于第二代小波的脉搏信号特征点的提取方法
CN103156599A (zh) * 2013-04-03 2013-06-19 河北大学 一种心电信号r特征波检测方法
CN103610461A (zh) * 2013-10-17 2014-03-05 杭州电子科技大学 基于双密度小波邻域相关阈值处理的脑电信号消噪方法
WO2014161587A1 (en) * 2013-04-05 2014-10-09 Aktiebolaget Skf Method for processing data obtained from a condition monitoring system
CN104102915A (zh) * 2014-07-01 2014-10-15 清华大学深圳研究生院 一种心电异常状态下基于ecg多模板匹配的身份识别方法
CN105212922A (zh) * 2014-06-11 2016-01-06 吉林大学 面向fpga实现心电信号r波自动检测的方法及系统
US20160120431A1 (en) * 2014-10-29 2016-05-05 Khalifa University of Science, Technology, and Research Medical device having automated ecg feature extraction
CN110013247A (zh) * 2019-05-24 2019-07-16 东北大学 一种心电图p波和t波的检测、区分与定位方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1189320A (zh) * 1997-01-31 1998-08-05 惠普公司 快速确定心电图波形形态的方法和系统
CN1710584A (zh) * 2004-06-17 2005-12-21 黄文义 周期性生理信号处理方法及系统
JP4006007B2 (ja) * 2004-11-10 2007-11-14 大成建設株式会社 ひび割れ検出方法
CN101828917A (zh) * 2010-05-07 2010-09-15 深圳大学 心电信号特征提取的方法和系统
CN102247143A (zh) * 2011-06-03 2011-11-23 吉林大学珠海学院 一种可集成的心电信号去噪和qrs波识别的快速算法
CN102323977A (zh) * 2011-06-29 2012-01-18 无锡市吉天通信科技有限公司 基于心电特征点的心电数据存储方法
CN102551687A (zh) * 2012-01-18 2012-07-11 纪震 基于第二代小波的脉搏信号特征点的提取方法
CN103156599A (zh) * 2013-04-03 2013-06-19 河北大学 一种心电信号r特征波检测方法
WO2014161587A1 (en) * 2013-04-05 2014-10-09 Aktiebolaget Skf Method for processing data obtained from a condition monitoring system
CN103610461A (zh) * 2013-10-17 2014-03-05 杭州电子科技大学 基于双密度小波邻域相关阈值处理的脑电信号消噪方法
CN103610461B (zh) * 2013-10-17 2016-03-02 杭州电子科技大学 基于双密度小波邻域相关阈值处理的脑电信号消噪方法
CN105212922A (zh) * 2014-06-11 2016-01-06 吉林大学 面向fpga实现心电信号r波自动检测的方法及系统
CN104102915A (zh) * 2014-07-01 2014-10-15 清华大学深圳研究生院 一种心电异常状态下基于ecg多模板匹配的身份识别方法
US20160120431A1 (en) * 2014-10-29 2016-05-05 Khalifa University of Science, Technology, and Research Medical device having automated ecg feature extraction
CN110013247A (zh) * 2019-05-24 2019-07-16 东北大学 一种心电图p波和t波的检测、区分与定位方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姚成 等: "基于提升小波的心电信号 P、T 波检测快速算法", 《吉林大学学报(工学版)》 *
曹世超: "基于双密度小波变换的信号去噪研究", 《邢台职业技术学院学报》 *
李战明 等: "基于平稳小波变换的心电信号Ｐ、Ｔ波检测算法", 《兰州理工大学学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113440145A (zh) * 2021-06-28 2021-09-28 西北大学 一种心电信号t波及其终点自动检测方法
CN113440145B (zh) * 2021-06-28 2022-04-08 西北大学 一种心电信号t波及其终点自动检测方法
CN114900413A (zh) * 2022-05-11 2022-08-12 瑞斯康达科技发展股份有限公司 一种基站侧上行波形选择方法和基站
CN114900413B (zh) * 2022-05-11 2023-06-16 瑞斯康达科技发展股份有限公司 一种基站侧上行波形选择方法和基站

Also Published As

Publication number Publication date
CN110420022B (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
Alfaouri et al. ECG signal denoising by wavelet transform thresholding
Merah et al. R-peaks detection based on stationary wavelet transform
Sun et al. ECG signal conditioning by morphological filtering
Slimane et al. QRS complex detection using empirical mode decomposition
Nikolaev et al. Wavelet domain Wiener filtering for ECG denoising using improved signal estimate
Akshay et al. ECG noise removal and QRS complex detection using UWT
CN107361764B (zh) 一种心电信号特征波形r波的快速提取方法
CN103932687B (zh) 一种脉象信号预处理方法和装置
CN108937919A (zh) 一种消除心电信号基线漂移的方法
Singh et al. ECG signal denoising based on empirical mode decomposition and moving average filter
CN115120248B (zh) 基于直方图的自适应阈值r峰检测、心律分类方法及装置
CN110420022A (zh) 一种基于双密度小波变换的p波检测方法
Kumar et al. Biosignal denoising via wavelet thresholds
Behbahani et al. Detection of QRS complexes in the ECG signal using multiresolution wavelet and thresholding method
Lin et al. Discrete-wavelet-transform-based noise reduction and R wave detection for ECG signals
Narsimha et al. Denoising and QRS detection of ECG signals using Empirical Mode Decomposition
Yadav et al. ECG signal characterization using Lagrange-Chebyshev polynomials
Joy et al. Wavelet based EMG artifact removal from ECG signal
CN114159068B (zh) 一种心电信号心房扑动的检测方法及检测装置
Abdelliche et al. Complex fractional and complex Morlet wavelets for QRS complex detection
Malleswari et al. An improved denoising of electrocardiogram signals based on wavelet thresholding
Murthy et al. Optimum choice of wavelet function and thresholding rule for ECG signal denoising
CN111685759A (zh) 一种心电信号的p、t特征波检测方法
Azzouz et al. The Effectiveness of Optimal Discrete Wavelet Transform Parameters Obtained Using the Genetic Algorithm for ECG Signal Denoising.
Nankani et al. R-peak detection from ECG signals using fractal based mathematical morphological operators

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant