首页 > 文献资料
-
基于独立元神经网络的生理电信号分析系统的设计
独立元分析ICA(Independent Component Analysis)是信号处理技术的新发展,引起了生物医学工程界的关注.介绍了基于独立元神经网络的生理电信号分析系统的设计,并讨论了生理电信号分析系统的基本组成.
-
基于独立元分析的心外膜电位标测信号去噪方法
使用独立元分析方法,提出了一种以独立元对各电极点投影系数的离散度为噪声独立元选取准则,设计了一套心外膜标测电位去噪新方法.实验结果表明,该方法可有效地去除心外膜电位标测信号中的电极间串扰和外界干扰等噪声,突出电极点上检测到的除极信号.因此,该方法适用于心外膜电位标测系统的去噪工作.
-
基于独立元分析和联合小波熵检测多导联ECG信号的QRS
QRS波群的准确定位是ECG信号自动分析的基础.为提高QRS检测率,提出一种基于独立元分析(ICA)和联合小波熵(CWS)检测多导联ECG信号QRS的算法.ICA算法从滤波后的多导联ECG信号中分离出对应心室活动的独立元;然后对各独立元进行连续小波变换(CWT),重构小波系数的相空间,结合相空间中的QRS信息对独立元排序;后检测排序后独立元的CWS得到QRS信息.实验对St. Petersburg 12导联心率失常数据库及64导联犬心外膜数据库测试,比较本文算法与单导联QRS检测算法和双导联QRS检测算法的性能.结果 表明,该文算法的性能好,检测准确率分别为99.98%和100%.
-
基于统计信息的两类盲信号分离方法之比较
盲源分离是一种具有良好应用前景的信号处理技术.本文介绍了两类在生物医学领域应用广泛的基于信号统计信息的盲分离方法的基本原理,即基于二阶统计信息的盲源分离方法和基于高阶统计的独立元分析,并进行比较,论其利弊.
-
独立元分析和非负矩阵分解的盲源分离比较
独立元分析(Independent Component Analysis,ICA)和非负矩阵分解(non-negative matrix factorization,NMF)是盲源分离的研究热点.文章在提出盲源分离框架的基础上,对独立元分析和非负矩阵分解进行了比较,并通过两个实例分别介绍了两者在生物医学领域中的应用.