-
公开(公告)号：CN102274016B
公开(公告)日：2013-01-23
申请号：CN201110191820.X
申请日：2011-07-08
Applicant: 重庆大学
IPC: A61B5/03
Abstract: 本发明提供一种颅内压信号特征峰识别方法，该方法结合了颅内压信号的波形轮廓进行综合分析，采用对数极坐标分布模型，以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服颅内压信号的基线漂移的影响，对邻近的波形形态特征敏感，又能捕获波形的全局轮廓信息，从而在整体提高了特征峰识别的抗干扰能力；并且，在识别过程中，先识别待测节拍信号的均值信号中的特征峰，将之合并到模板数据库中以提高识别准确度，并采用卡方统计检验作为匹配手段，利用了卡方统计检验具有很强鲁棒性、准确度高的优点，提高了本发明方法整体的鲁棒性能和识别准确度。本发明方法实现了计算机对颅内压信号的特征峰识别，具有广阔的应用前景。
-
公开(公告)号：CN101828918B
公开(公告)日：2011-09-21
申请号：CN201010170490.1
申请日：2010-05-12
Applicant: 重庆大学
IPC: A61B5/0456
Abstract: 本发明提供一种基于波形特征匹配的心电信号R波峰检测方法。该方法利用波形特征匹配来识别心电信号的R波峰，该特征匹配法以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服心电信号的基线漂移的影响；同时，对差向量进行对数极坐标转换并加以分区来度量波形的相似性，这种度量对邻近的形态特征敏感，同时又能捕获波形的全局轮廓信息并对波形抖动具有鲁棒性；此外，通过设定恰当的阈值能够排除干扰信号的影响，进而实现对心电信号R波峰的准确识别和检测。将该方法应用于相关的心电图分析仪器中，能够实现对心电信号中R波峰的准确识别，有助于提高心电图分析设备的检测和分析能力。
-
公开(公告)号：CN101222619A
公开(公告)日：2008-07-16
申请号：CN200810069284.4
申请日：2008-01-22
Applicant: 重庆大学
IPC: H04N7/18
Abstract: 本发明属于嵌入式技术领域，具体涉及一种基于嵌入式系统的多路图像采集方法。包括多个图像采集设备，在图像采集设备与嵌入式处理器之间设置信号选择器，嵌入式处理器按照预设的次序，通过信号选择器每次连通一个图像采集设备进行视频捕获和数据采集。对每个图像采集设备采集一定次数后，自动切换到下一个图像采集设备，以此实现基于嵌入式系统的多路图像自动采集和处理。本发明方法能够实现依次处理多个图像采集设备捕获的视频数据；具有功耗低、实时性强、微型化等特点，可以灵活配置，同时成本低廉；采用硬件结构简单，本方法设计软件代码小，运行稳定，通过一个摄像头接口实现多个摄像头数据的自动采集和处理。
-
公开(公告)号：CN102334986B
公开(公告)日：2013-09-25
申请号：CN201110191763.5
申请日：2011-07-08
Applicant: 重庆大学
IPC: A61B5/021
Abstract: 本发明提供动脉压信号中重搏切迹点识别方法，该方法结合了动脉压信号的波形轮廓进行综合分析，采用对数极坐标分布模型，以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服动脉压信号的基线漂移的影响，同时对邻近的波形形态特征敏感，又能捕获波形的全局轮廓信息，从而在整体提高了重搏切迹点识别的抗干扰能力；并且，在识别过程中，通过曲率区分识别大大简化了识别过程的数据计算量，并采用卡方统计检验作为匹配手段，利用了卡方统计检验具有很强鲁棒性、准确度高的优点，提高了本发明方法整体的鲁棒性能和识别准确度。本发明方法实现了计算机对动脉压信号中重搏切迹点的识别，具有广阔的应用前景。
-
公开(公告)号：CN102274016A
公开(公告)日：2011-12-14
申请号：CN201110191820.X
申请日：2011-07-08
Applicant: 重庆大学
IPC: A61B5/03
Abstract: 本发明提供一种颅内压信号特征峰识别方法，该方法结合了颅内压信号的波形轮廓进行综合分析，采用对数极坐标分布模型，以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服颅内压信号的基线漂移的影响，对邻近的波形形态特征敏感，又能捕获波形的全局轮廓信息，从而在整体提高了特征峰识别的抗干扰能力；并且，在识别过程中，先识别待测节拍信号的均值信号中的特征峰，将之合并到模板数据库中以提高识别准确度，并采用卡方统计检验作为匹配手段，利用了卡方统计检验具有很强鲁棒性、准确度高的优点，提高了本发明方法整体的鲁棒性能和识别准确度。本发明方法实现了计算机对颅内压信号的特征峰识别，具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN100579216C
公开(公告)日：2010-01-06
申请号：CN200810069284.4
申请日：2008-01-22
Applicant: 重庆大学
IPC: H04N7/18
Abstract: 本发明属于嵌入式技术领域，具体涉及一种基于嵌入式系统的多路图像采集方法。包括多个图像采集设备，在图像采集设备与嵌入式处理器之间设置信号选择器，嵌入式处理器按照预设的次序，通过信号选择器每次连通一个图像采集设备进行视频捕获和数据采集。对每个图像采集设备采集一定次数后，自动切换到下一个图像采集设备，以此实现基于嵌入式系统的多路图像自动采集和处理。本发明方法能够实现依次处理多个图像采集设备捕获的视频数据；具有功耗低、实时性强、微型化等特点，可以灵活配置，同时成本低廉；采用硬件结构简单，本方法设计软件代码小，运行稳定，通过一个摄像头接口实现多个摄像头数据的自动采集和处理。
-
公开(公告)号：CN100568914C
公开(公告)日：2009-12-09
申请号：CN200710093015.7
申请日：2007-11-21
Applicant: 重庆大学
Abstract: 本发明提供一种基于S3C2440A的真彩色图像采集方法，它是利用S3C2440A的摄像头接口采集真彩色图像(RawRGB格式)，将采集到的R，G，B数据存放到y，cb，cr三个地址空间；由于数据存放的位置有规律，将上述三个空间的数据进行抽取；再进行颜色插值，即可得到24位真彩色图像数据。本发明方法能够实时的采集高分辨率、高精度的真彩色图像，并且处理速度快。该方法可实现对图像微弱变化的实时远程监测，系统结构简单，具有微型化、便携化和智能控制等特点。常见的具有图像采集功能的微处理器(DSP，ARM等)的内部逻辑单元都具有类似设计，因此该方案可广泛应用与其他图像采集设备中，具有一定的通用性。
-
公开(公告)号：CN101879058A
公开(公告)日：2010-11-10
申请号：CN201010214610.3
申请日：2010-06-30
Applicant: 重庆大学
Abstract: 本发明提供一种颅内压信号逐拍分割方法。该方法以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服颅内压信号的基线漂移的影响；同时，对差向量进行对数极坐标转换来度量波形的相似性，这种度量对邻近的波形形态特征敏感，同时又能捕获波形的全局轮廓信息并对波形抖动具有鲁棒性；此外，还分别对待测的点之前与点之后的波形特征给予不同的权重，以削弱颅内压信号节拍尾部干扰点对识别的影响，进一步提高识别率；还通过设置恰当的阈值进一步排除出颅内压信号中的干扰点，避免导致逐拍分割混乱。本发明能够准确的对颅内压信号进行逐拍分割，有助于提高颅内压分析设备的检测和分析能力。
-
公开(公告)号：CN101866423A
公开(公告)日：2010-10-20
申请号：CN201010170480.8
申请日：2010-05-12
Applicant: 重庆大学
Abstract: 本发明提供一种动脉压信号逐拍分割方法。该方法利用波形特征提取和模板匹配来识别动脉压信号的节拍起点，以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服动脉压信号的基线漂移的影响；同时，对差向量进行对数极坐标转换并加以分区来度量波形的相似性，这种度量对邻近的波形形态特征敏感，同时又能捕获波形的全局轮廓信息并对波形抖动具有鲁棒性，这种将点与点的相似度量转化为点所在波形的度量的方法，实现了对动脉压信号节拍起点的准确识别和检测。将该方法应用于相关的动脉压分析设备中，能够实现对动脉压信号的准确逐拍分割，有助于提高动脉压分析设备的检测和分析能力。
-
公开(公告)号：CN101856225A
公开(公告)日：2010-10-13
申请号：CN201010214626.4
申请日：2010-06-30
Applicant: 重庆大学
IPC: A61B5/0456
Abstract: 本发明提供一种心电信号R波峰检测方法。该方法以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服心电信号的基线漂移的影响；同时，对差向量进行对数极坐标转换来度量波形的相似性，这种度量对邻近的波形形态特征敏感，同时又能捕获波形的全局轮廓信息并对波形抖动具有鲁棒性；此外，通过设定恰当的阈值能够有效排除干扰信号的影响。这种将点与点的相似性度量转化为点所在波形的度量的方法，实现了对心电信号R波峰的准确识别和检测。将该方法应用于相关的心电图分析仪器中，能够实现对心电信号中R波峰的准确识别，有助于提高心电图分析设备的检测和分析能力。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.018 seconds)
