CN110420022B - 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 PDFInfo
- Publication number
- CN110420022B CN110420022B CN201910689639.8A CN201910689639A CN110420022B CN 110420022 B CN110420022 B CN 110420022B CN 201910689639 A CN201910689639 A CN 201910689639A CN 110420022 B CN110420022 B CN 110420022B
- Authority
- CN
- China
- Prior art keywords
- wave
- dwt
- point
- wavelet
- dual
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 230000009977 dual effect Effects 0.000 title claims abstract description 26
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 10
- 239000006185 dispersion Substances 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000000747 cardiac effect Effects 0.000 claims 1
- SYHGEUNFJIGTRX-UHFFFAOYSA-N methylenedioxypyrovalerone Chemical compound C=1C=C2OCOC2=CC=1C(=O)C(CCC)N1CCCC1 SYHGEUNFJIGTRX-UHFFFAOYSA-N 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000006793 arrhythmia Effects 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003183 myoelectrical effect Effects 0.000 description 2
- 238000000718 qrs complex Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
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)
- Surgery (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (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
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)。
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。
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 CN110420022A (zh) | 2019-11-08 |
CN110420022B true 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) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN115590524A (zh) * | 2022-09-14 | 2023-01-13 | 苏州大学(Cn) | 基于卷积神经网络的qt间期延长识别方法及系统 |
Family Cites Families (14)
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 |
CN100371940C (zh) * | 2004-06-17 | 2008-02-27 | 黄文义 | 周期性生理信号处理系统 |
JP4006007B2 (ja) * | 2004-11-10 | 2007-11-14 | 大成建設株式会社 | ひび割れ検出方法 |
CN101828917B (zh) * | 2010-05-07 | 2011-09-14 | 深圳大学 | 心电信号特征提取的方法和系统 |
CN102247143B (zh) * | 2011-06-03 | 2013-05-15 | 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 |
CN102323977B (zh) * | 2011-06-29 | 2014-04-30 | 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 |
CN102551687B (zh) * | 2012-01-18 | 2014-02-05 | 华韵之 | 基于第二代小波的脉搏信号特征点的提取方法 |
CN103156599B (zh) * | 2013-04-03 | 2014-10-15 | 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 |
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 |
CN104102915B (zh) * | 2014-07-01 | 2019-02-22 | 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 |
US10194821B2 (en) * | 2014-10-29 | 2019-02-05 | Khalifa University of Science and Technology | Medical device having automated ECG feature extraction |
CN110013247B (zh) * | 2019-05-24 | 2020-06-05 | 东北大学 | 一种心电图p波和t波的检测、区分与定位方法 |
-
2019
- 2019-07-29 CN CN201910689639.8A patent/CN110420022B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110420022A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Merah et al. | R-peaks detection based on stationary wavelet transform | |
CN109907752B (zh) | 一种去除运动伪影干扰与心电特征检测的心电诊断与监护系统 | |
Haddadi et al. | Discrete wavelet transform based algorithm for recognition of QRS complexes | |
Chang et al. | Gaussian noise filtering from ECG by Wiener filter and ensemble empirical mode decomposition | |
Alfaouri et al. | ECG signal denoising by wavelet transform thresholding | |
CN110420022B (zh) | 一种基于双密度小波变换的p波检测方法 | |
Sabherwal et al. | Automatic detection of the R peaks in single-lead ECG signal | |
WO2017148452A1 (zh) | 一种心电信号波形特征点的提取方法及装置 | |
Karvounis et al. | Fetal heart rate extraction from composite maternal ECG using complex continuous wavelet transform | |
CN107361764B (zh) | 一种心电信号特征波形r波的快速提取方法 | |
CN110292374B (zh) | 基于奇异谱分析和变分模态分解的心电信号去基线漂移方法 | |
Belkadi et al. | A robust QRS detection approach using stationary wavelet transform | |
Tang et al. | ECG de-noising based on empirical mode decomposition | |
Mabrouki et al. | R peak detection in electrocardiogram signal based on a combination between empirical mode decomposition and Hilbert transform | |
Behbahani et al. | Detection of QRS complexes in the ECG signal using multiresolution wavelet and thresholding method | |
Tan et al. | EMD-based electrocardiogram delineation for a wearable low-power ECG monitoring device | |
Sumathi et al. | Comparative study of QRS complex detection in ECG based on discrete wavelet transform | |
Kaur et al. | An efficient R-peak detection using Riesz fractional-order digital differentiator | |
CN113786202B (zh) | 一种心电图特征起点和终点检测方法、系统、装置及介质 | |
Lin et al. | Discrete-wavelet-transform-based noise reduction and R wave detection for ECG signals | |
Liu et al. | A novel R-peak detection method combining energy and wavelet transform in electrocardiogram signal | |
Yazdani et al. | A novel preprocessing tool to enhance ECG R-wave extraction | |
CN113100778B (zh) | 一种心电信号的r峰定位方法 | |
Chandramouleeswaran et al. | Wavelet diagnosis of ECG signals with kaiser based noise diminution | |
CN114159068B (zh) | 一种心电信号心房扑动的检测方法及检测装置 |
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 |