【文章內(nèi)容簡介】 ?[C,L]=wavedec（X，N,’wname’） ?[C,L]=wavedec(X,N,Lo_D,Hi_D) wavedec（）使用給定的小波‘wname’或者小波濾波器（Lo_D和Hi_D)執(zhí)行多尺度一維小波分解。 格式?返回信號X在N層的小波分解，N必須是嚴格的正整數(shù)，輸出分解結(jié)構(gòu)包含小波解向量，C和相應(yīng)的記錄向量L。 格式?使用指定的低通和高通分解濾波器，返回分解借古歐。2. 返回閾值函數(shù) 返回閾值的函數(shù)wdcbm()，其調(diào)用格式如下： [thr,nkeep]=wdcbm(c,l,alpha)。 thr表示第i層的閾值，nkeep表示系數(shù)個數(shù)，[c，l]表示被壓縮或分解的信號的分解結(jié)構(gòu)，去噪時aipha是3.3. 信號閾值去噪函數(shù)(1)一維信號的小波去噪函數(shù)wden。一般格式為[XD,CXD,LXD]=wden（X，TPTR,SORH,SACL,N,’wname’） 經(jīng)過上述函數(shù)后，返回經(jīng)去噪處理后的信號XD,以及小波分解結(jié)構(gòu)[CXD,LXD]，其中，X 為有噪信號 TPTR指定了閾值選取的算法，分別有 ?‘regrsure’，使用基于Stein無偏風(fēng)險估計理論的自適應(yīng)閾值的選取算法； ?’sqtwolog’，選擇sqrt（2*log（length（X）））作為閾值； ?‘he39。ursure’綜合使用‘regrsure’和’sqtwolog’兩種方案來選取閾值； ④‘minimaxi’用極小極大準則選取閾值； SORH為閾值使用方式；等于s，為軟閾值，等于h，為硬閾值； SACL規(guī)定了閾值處理，隨噪聲水平的變化，其可選值有： ?‘one’不隨噪聲水平變化； ?‘sln’根據(jù)第一層小波分解的噪聲水平估計進行調(diào)整，使用于有色噪聲； ?‘wname’為小波基函數(shù)的名稱。(2)一維或二維小波去噪或壓縮函數(shù)Wdencmp，一般格式為：[xc,cxc,lxc,perf0,perf12]=wdencmp(39。lvd39。,c,l,wavelet,level,thr,sorh)。 ?xc表示被處理的信號； ?[cxc,lxc]表示信號分解的結(jié)構(gòu)； ?[perf0,perf12]表示信號壓縮的比例； ④lvd表示每層按照不同的閾值處理 ⑤[c,l]表示小波分解結(jié)構(gòu)； ⑥thr表示閾值向量； ⑦sorh表示用軟閾值或者硬閾值進行處理 運用matlab不同的工具，多種函數(shù)，以及其強大的運算能力，使心電信號小波消噪的研究變的簡單，易于操作，并能形象的通過圖形顯示方便論證實驗結(jié)果。第四章 仿真與調(diào)試 對正常人的心電信號進行加噪聲后的閾值消噪方法實驗即對心電信號進行‘db5’小波不同層3層，4層，5層與6層分解后消噪，將心電信號數(shù)據(jù)在附錄（）中載入到matlab中去作為去噪的原信號。fid=fopen(39。39。,39。r39。)。在原信號中加入噪聲，程序如下：for i=0:N/31 t(i+1)=x(3*i+1)。 sig1(i+1)=x(3*i+2)。 sig2(i+1)=x(3*i+3)。 end s=sig1+*randn(1,length(sig1))。 圖（41）對含噪聲的心電信號不同層次的分解后進行閾值消噪處理，分別得到圖（42）三層分解后的消噪結(jié)果，（43）四層分解后的消噪結(jié)果（44）五層分解后的消噪結(jié)果,(45)六層分解后的消噪結(jié)果程序如下：%選用小波函數(shù) wavelet=39。db539。 %分解級數(shù) level=5。 %壓縮參數(shù) alpha=。 %閾值類型 sorh=39。h39。 %小波分解 [c,l]=wavedec(s,level,wavelet)。 %計算閾值 [thr,nkeep]=wdcbm(c,l,alpha)。 %使用硬閾值壓縮信號 [xc,cxc,lxc,perf0,perf12]=wdencmp(39。lvd39。,c,l,wavelet,level,thr,sorh)。 subplot(2,1,2)。plot(t,xc,39。LineWidth39。,2)。xlabel(39。時間 t/s39。)。ylabel(39。電壓 V/mV39。)。 title(39。重構(gòu)的ECG信號39。)。 %對系數(shù)編碼 cC=encode(cxc)。 %傳輸?shù)南禂?shù) tC=cC。 %傳輸?shù)南禂?shù)向量長度 tL=length(tC)。 %零系數(shù)的百分比 pzeros=perf0。 %保留的能量大小 pnormen=perf12。 %編碼的壓縮比 pratio=length(s)/length(tC)。pzeros。pnormen。pratio。得到如下圖形由圖對比知，對心電信號進行5層分解可以保存信號的特征值 本文針對心電信號，研究了心電信號的消噪方法，得出以下結(jié)論。 （1）小波閾值法實現(xiàn)了對心電圖中噪聲不均勻心電信號的消噪。 （2）仿真實驗表明小波閾值消噪方法對噪聲分布均勻的心電信號去噪效果良好，能提供很好的光滑性，可滿足臨床分析，但是有時會損失有用的信號。第五章 總結(jié)與展望 工作總結(jié) 本主題概述了心電圖的使用小波變換理論和信號處理的研究與分析，包括心電圖去噪、 QRS 波檢測、 心電圖信號壓縮，并通過大量的模擬實驗結(jié)果證明這種方法的可行性。本文件的內(nèi)容是：(1) 規(guī)定了基本的小波變換理論，總結(jié)了在應(yīng)用程序中的小波基的選擇方法。小波基的選擇成為所有小波變換信號處理效果的一個重要因素，是一個難點問題的小波分析及應(yīng)用?；?7 類共同的數(shù)學(xué)特征的小波分析，以確定合適的小波 ECG 信號處理。此外，小波分解水平測定的問題的數(shù)量也發(fā)揮重要作用的所有信號處理效果。之后在這篇文章的反復(fù)實驗，確定最適當分解級別處理的心電圖。 (2) 的心電圖信號噪聲特性和加工優(yōu)勢，側(cè)重于方法的小波分解和重建、 軟閾值和硬閾值去噪方法及翻譯不變的小波變換應(yīng)用研究。在使用麻省理工學(xué)院波黑心律失常數(shù)據(jù)庫通過實驗?zāi)M算法得出結(jié)論的最佳方式篩選出每個噪音。這些方法不能只篩選出的噪音和更好地保留原始的心電圖特點，是高的實用價值。 （3） r 峰值檢測是 QRS 波檢測的一個重要方面，我們使用二次 b 樣條雙正交小波小波基，模量的心電圖 QRS 波的極大值方法的使用形式為測試，重點的 r 波檢測程序。同時使用多尺度小波變換的信息，更好地描述的特征點的心電圖信號，它很容易檢測 QRS 波。此外，信噪比的清潔信號疊加的不同 QRS 波檢測高斯白噪聲，如下所示： 其中一個是翻譯固定方法結(jié)合 QRS 波后 QRS 波未經(jīng)任何預(yù)處理的第二次直接檢測閾值方法檢測。前德去噪檢測工程好后，可以得出實驗?zāi)M結(jié)果。麻省理工學(xué)院/波黑心律失常數(shù)據(jù)庫數(shù)據(jù)的模擬算法，r 波檢測的總精度可以達到 %。(4) 心電數(shù)據(jù)壓縮是計算機處理數(shù)據(jù)的一個重要應(yīng)用方面，壓縮方法很多。本文通過小波變換，采用了自適應(yīng)編碼壓縮的方法實現(xiàn)了對心電信號的壓縮，對小波近似系數(shù)和細節(jié)系數(shù)采用自適應(yīng)編碼方式進行壓縮，實驗結(jié)果表明利用該方法壓縮后的 ECG 信號可以保證在失真度小的情況下，達到較好的壓縮比。 展望 在總結(jié)此項研究的工作，我發(fā)現(xiàn)有仍然很多工作需要進一步完善。 (1) 繼續(xù)為心電圖、 去噪算法的研究可能會考慮其他方法和小波方法的組合。小波分析與神經(jīng)網(wǎng)絡(luò)結(jié)合降低噪聲，以獲得更高的信號到噪聲比率，減少失真的重構(gòu)。具體計算在實驗中的小波去噪，花費的時間和資源消耗系統(tǒng)研究。 (2) 心臟信號中的 p 和 t 波檢測仍是需要的解決的問題，特別是在長時間心電圖檢測中，適當指導(dǎo)聯(lián)盟選擇的限制和較大干擾的存在，往往使 p 波在具體指導(dǎo)聯(lián)盟尚沒有明顯的性能或噪音由淹死了，所以在尋找操作簡單、 使用可靠的 p和 t 波檢測算法仍然是處理分析技術(shù)在心電圖的具有挑戰(zhàn)性的問題。 (3) 對繼續(xù)研究的心電數(shù)據(jù)壓縮方案以獲得更高的壓縮比，所以盡量減少信號的失真，存儲和傳輸?shù)男碾妶D。當前心電圖仍然是生物醫(yī)學(xué)工程和計算機科學(xué)研究的領(lǐng)域和關(guān)注的焦點，由于心電圖信號處理的要求，很難，缺點和各種治療方法的缺陷和，因此，應(yīng)考慮方法的小波分析和各種方法，充分發(fā)揮各種方法的優(yōu)點。今后的研究重點將集中相結(jié)合的小波變換和神經(jīng)網(wǎng)絡(luò)方法為非平穩(wěn)信號分析中的生物醫(yī)學(xué)是更準確和心電分析應(yīng)用，結(jié)合其他生理信號還將研究的一個主要重點。參考文獻 [1] [M].北京人民衛(wèi)生出版社,1989:10~23. [2] 宋喜國, 心率失常數(shù)據(jù)庫的識讀及應(yīng)用 [J].中國醫(yī)學(xué)物理學(xué)雜志,2004,21(4). [3] Qiuzhen Xue,Yu Hen Hu,Willis J. adaptive matched filtering for QRS Transactions on Biomedical ,39(4):317~329. [4] Sa’ndor Miklo’s Szila’ transform and Neuralnetwork based adaptive filtering for QRS International Conference IEEE/EMBS,2000:1267~1270. [5] Anna adaptive Learning algorithm for ECG noise and baseline drift :139~47. [6] Senhandji analysis of ECG signal. Proceeding of IEEE/EMBS,12th Conference,1990, 12(2):811~812. [7] 邱 慶 軍 等 .QRS 波 檢 測 方 法 的 回 顧 與 新 發(fā) 展 [J]. 上 海 ： 中 國 醫(yī) 療 器 械 雜志,1999,23(6):344~349. [8] Sami Sallinen,Seoop Realtime Microprocess QRS Detector System with a 1ms Timing Accuracy for the Measurement of Ambulatory HRV[J].IEEE Trans BME,1997,44(3): 159~167. [9] [博士學(xué)位論文].青島：中國海洋大學(xué)，2004：15~16. [10] Laurence Keselbrener,Michel high pass filter for Rwave detection in ECG signal,Medical Engineering and ,19(5):481~484. [11] 劉欣桃,[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報,1997,14(2):18~20. 致 謝 時光飛逝，四年大學(xué)生活短暫的四年珍貴和值得住在我的生命中錯過的好日子。在此期間，我收獲了很多。我的主題還不夠，我想對那些關(guān)心和鼓勵你給了我在這里，表示最衷心的感謝。首先，我要衷心感謝我的導(dǎo)師老師。他深刻的科學(xué)知識、 實踐經(jīng)驗、 嚴謹?shù)膶W(xué)習(xí)，熱衷于研究氣味、 現(xiàn)實主義的風(fēng)格，使我一生受益。他賦予我不僅學(xué)習(xí)與工作方法、 他的高尚人格和風(fēng)范，學(xué)科的指揮官是比其他人更寬是有益的值得我尊重和學(xué)習(xí)。論文完成之際，謹對我尊敬的導(dǎo)師老師表示衷心的感謝和崇高的敬意！ 其次，由于鄭州市研究所科學(xué)與技術(shù)4班，每個人都是鼓勵互相幫助，給了我很大的幫助在生活和學(xué)習(xí)中。這是他們無私地幫助我解決的一些研究中，所遇到的問題使這篇文章的人得以順利完成!我也從他們收獲了同學(xué)之間的深厚友誼。最后，感謝我的家人和朋友給與我的幫助以及對我的理解，特別感謝父母對我的無私付出和默默的支持，他們給了我不斷前進的動力。祝福他們永遠安康！ 特別感謝為評閱本文付出辛勤勞動的專家和老師們！附錄 編程與程序%核心程序如下面的所示，使用的小波基有coif5，db3，sym4，haar，rbio load x_100,x=x_10039。 %導(dǎo)入自己合成的無噪的心電信號subplot(811)plot(x) %在圖中畫出無噪聲心電信號波形y=awgn(x,5,39。measured39。,39。db39。) %加入高斯白噪聲，信噪比為5db。[c,l]=wavedec(y,5,39。db339。) %采用coif1小波基對含噪信號進行小波分解，分解層次為5層。subplot(812),plot(y) %在圖中畫出含噪聲的心電信號波形a1=appcoef(c,l,39。db339。,1) %提取第1層的低頻系數(shù)a2=appcoef(c,l,39。db339。,2) %提取第2層的低頻系數(shù)a3=appcoef(c,l,39。db339。,3) %提取第3層的低頻系數(shù)a4=appcoef(c,l,39。db339。,4) %提取第4層的低頻系數(shù)a5=appcoef(c,l,39。db339。,5) %提取第5層的低頻系數(shù) subplot(813) %在同一坐標圖中畫出各層低頻系數(shù) plot(a1) subplot(814) plot(a2) subplot(8