-
公开(公告)号：CN114451898B
公开(公告)日：2023-06-30
申请号：CN202210253679.X
申请日：2022-03-15
申请人： 西安理工大学
摘要： 本发明公开了一种短时训练卷积神经网络的心电信号分类方法，包括如下步骤：载入数据库中的心电信并进行去噪，得到去噪后的心电信号；对心电信号进行R波检测并截取QRS波所处的心拍段；根据数据库中心拍标签对截取的心拍段进行分类，得到心拍矩阵和与之对应的标签矩阵；利用小波变换对心拍矩阵进行特征系数提取得到特征矩阵；对特征矩阵进行随机切分得到训练集心拍和测试集心拍，并根据标签矩阵生成训练集心拍对应的标签矩阵和测试集心拍对应的标签矩阵；建立卷积神经网络，利用训练集和测试集对建立的网络进行训练与测试，得到心电信号分类结果的准确率。本发明在保持准确度较高的情形下，降低消耗时间，提高了算法的实时性。
-
公开(公告)号：CN114366121B
公开(公告)日：2024-04-19
申请号：CN202210056032.8
申请日：2022-01-18
申请人： 西安理工大学
摘要： 本发明公开了一种基于数字形态学的双动态阈值心电QRS波检测方法，具体按照以下步骤实施：步骤1、选取数字形态学中结构元素的形状和长度，得到结构元素g(n)；步骤2、根据步骤1得到的结构元素g(n)抑制心电信号f(n)中的噪声，得到抑制噪声后的心电信号f2(n)；步骤3、利用动态双阈值法对步骤2得到的心电信号中的R波进行定位；步骤4、根据步骤3得到的R波位置，完成QRS波群的定位。本发明以实现对QRS波的波形检测，尤其可提高对QRS波检测的敏感度和正预测率。
-
公开(公告)号：CN114366121A
公开(公告)日：2022-04-19
申请号：CN202210056032.8
申请日：2022-01-18
申请人： 西安理工大学
摘要： 本发明公开了一种基于数字形态学的双动态阈值心电QRS波检测方法，具体按照以下步骤实施：步骤1、选取数字形态学中结构元素的形状和长度，得到结构元素g(n)；步骤2、根据步骤1得到的结构元素g(n)抑制心电信号f(n)中的噪声，得到抑制噪声后的心电信号f2(n)；步骤3、利用动态双阈值法对步骤2得到的心电信号中的R波进行定位；步骤4、根据步骤3得到的R波位置，完成QRS波群的定位。本发明以实现对QRS波的波形检测，尤其可提高对QRS波检测的敏感度和正预测率。
-
公开(公告)号：CN113376569A
公开(公告)日：2021-09-10
申请号：CN202110559072.X
申请日：2021-05-21
申请人： 西安理工大学
摘要： 本发明公开了一种基于最大似然的嵌套阵稀疏表示波达方向估计方法，首先根据目标到嵌套阵的波达方向以及嵌套阵的布阵结构，计算接收阵列的回波信号、进而计算其协方差矩阵；根据稀疏表示理论，在角度维划分整个空域，得到角度集合；矢量化协方差矩阵，在角度集合上稀疏展开，得到嵌套阵波达方向估计稀疏模型；构造块对角矩阵，剔除稀疏模型中的噪声项，得到去噪后嵌套阵波达方向估计稀疏模型；再结合协方差矩阵计算噪声白化矩阵，结合去噪后嵌套阵波达方向估计稀疏模型，计算噪声白化后的数据模型，进而计算栅格最大似然估计，最后得到波达方向最大似然估计值。本发明以实现嵌套阵在低信噪比和少快拍下的波达方向估计性能。
-
公开(公告)号：CN113376569B
公开(公告)日：2024-03-05
申请号：CN202110559072.X
申请日：2021-05-21
申请人： 西安理工大学
摘要： 本发明公开了一种基于最大似然的嵌套阵稀疏表示波达方向估计方法，首先根据目标到嵌套阵的波达方向以及嵌套阵的布阵结构，计算接收阵列的回波信号、进而计算其协方差矩阵；根据稀疏表示理论，在角度维划分整个空域，得到角度集合；矢量化协方差矩阵，在角度集合上稀疏展开，得到嵌套阵波达方向估计稀疏模型；构造块对角矩阵，剔除稀疏模型中的噪声项，得到去噪后嵌套阵波达方向估计稀疏模型；再结合协方差矩阵计算噪声白化矩阵，结合去噪后嵌套阵波达方向估计稀疏模型，计算噪声白化后的数据模型，进而计算栅格最大似然估计，最后得到波达方向最大似然估计值。本发明以实现嵌套阵在低信噪比和少快拍下的波达方向估计性能。
-
公开(公告)号：CN114451898A
公开(公告)日：2022-05-10
申请号：CN202210253679.X
申请日：2022-03-15
申请人： 西安理工大学
摘要： 本发明公开了一种短时训练卷积神经网络的心电信号分类方法，包括如下步骤：载入数据库中的心电信并进行去噪，得到去噪后的心电信号；对心电信号进行R波检测并截取QRS波所处的心拍段；根据数据库中心拍标签对截取的心拍段进行分类，得到心拍矩阵和与之对应的标签矩阵；利用小波变换对心拍矩阵进行特征系数提取得到特征矩阵；对特征矩阵进行随机切分得到训练集心拍和测试集心拍，并根据标签矩阵生成训练集心拍对应的标签矩阵和测试集心拍对应的标签矩阵；建立卷积神经网络，利用训练集和测试集对建立的网络进行训练与测试，得到心电信号分类结果的准确率。本发明在保持准确度较高的情形下，降低消耗时间，提高了算法的实时性。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.019 秒)
