

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、脈搏信號是人體最重要的生理信號之一,它包含大量生理病理信息。體內(nèi)各種狀態(tài)變化都會反映在脈搏信號中。而脈搏信號的改變或雜音的出現(xiàn),往往是人體各器官病癥的最早表征。脈搏信號的研究可以清楚地了解身體的生理特性,為疾病診斷提供重要依據(jù)。本文主要進(jìn)行脈搏信號預(yù)處理和特征提取兩個方面研究。
預(yù)處理方面首先了解目前世界上脈搏信號研究現(xiàn)狀,總結(jié)脈搏信號的產(chǎn)生機(jī)理、主要特征以及信號中的干擾類型。接著分析小波去噪和經(jīng)驗?zāi)B(tài)分解(EMD)去噪方法在
2、脈搏信號去噪中的優(yōu)缺點,并將二者結(jié)合提出一種改進(jìn)的去噪算法,同時用數(shù)據(jù)擬合的方法去除脈搏信號中的基線漂移。最后將本文改進(jìn)算法與小波去噪和EMD去噪方法分別進(jìn)行對比。仿真結(jié)果表明:在相同條件下,該算法能有效地實現(xiàn)對脈搏信號中噪聲的消除,較好地保留脈搏信號中的有用信息,保持脈搏信號的特征。
特征提取方面首先對脈搏信號特征提取方法進(jìn)行研究,實現(xiàn)脈圖特征參數(shù)提取,并介紹了脈圖K值的基本概念。然后對EMD分解后的各模態(tài)分量進(jìn)行研究,將模
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 指紋圖像預(yù)處理與特征提取.pdf
- 心電信號的預(yù)處理及特征提取算法研究.pdf
- 脈搏信號去噪及特征提取方法的研究.pdf
- 腫瘤細(xì)胞圖像預(yù)處理及特征提取.pdf
- 指紋圖像預(yù)處理與特征提取算法研究.pdf
- 超聲回波信號處理與特征提取研究.pdf
- 指紋圖像預(yù)處理和特征提取研究.pdf
- 脈搏信號時頻特征提取方法研究及信息處理系統(tǒng)設(shè)計.pdf
- 指紋圖像預(yù)處理和特征提取算法研究.pdf
- 指紋圖像預(yù)處理和特征提取算法研究
- 掌紋識別預(yù)處理和特征提取算法的研究.pdf
- 虹膜預(yù)處理及特征提取關(guān)鍵技術(shù)研究.pdf
- 自動指紋驗證系統(tǒng)預(yù)處理與特征提取算法的研究與實現(xiàn).pdf
- 指紋圖像預(yù)處理及其特征提取算法的研究與實現(xiàn).pdf
- 指紋圖像預(yù)處理及特征提取方法的研究.pdf
- 脈搏波時、頻域特征提取與識別技術(shù)研究.pdf
- 容積脈搏成像特征提取方法研究及在生理信號檢測的應(yīng)用.pdf
- 基于EMD的信號特征提取與識別.pdf
- 雷達(dá)信號包絡(luò)的特征提取與分類.pdf
- 脈象信號的特征提取與分類識別.pdf
評論
0/150
提交評論