一种强噪声下的监护信息降噪方法

doi:10.3969/j.issn.1000-565X.2011.04.012

华南理工大学学报（自然科学版） ›› 2011, Vol. 39 ›› Issue (4): 66-69.doi: 10.3969/j.issn.1000-565X.2011.04.012

一种强噪声下的监护信息降噪方法

蒋贤海谢存禧邹焱飚

华南理工大学机械与汽车工程学院，广东广州 510640

收稿日期:2010-08-09 修回日期:2010-12-01 出版日期:2011-04-25 发布日期:2011-03-01
通信作者: 蒋贤海(1979-)，男，博士生，广东水利电力职业技术学院讲师，主要从事智能健康监护、机器人理论及其工程应用研究 E-mail:xh.j@mail.scut.edu.cn
作者简介:蒋贤海(1979-)，男，博士生，广东水利电力职业技术学院讲师，主要从事智能健康监护、机器人理论及其工程应用研究
基金资助:
广东省科技攻关项目(2007B010400049)；粤港关键领域重点突破项目(20090101—1)

A Denoising Method of Monitoring Information Under Strong Noise

Jiang Xian-hai Xie Cun-xi Zou Yan-biao

School of Mechanical and Automotive Engineering，South China University of Technology，Guangzhou 510640，Guangdong，China

Received:2010-08-09 Revised:2010-12-01 Online:2011-04-25 Published:2011-03-01
Contact: 蒋贤海(1979-)，男，博士生，广东水利电力职业技术学院讲师，主要从事智能健康监护、机器人理论及其工程应用研究 E-mail:xh.j@mail.scut.edu.cn
About author:蒋贤海(1979-)，男，博士生，广东水利电力职业技术学院讲师，主要从事智能健康监护、机器人理论及其工程应用研究
Supported by:
广东省科技攻关项目(2007B010400049)；粤港关键领域重点突破项目(20090101—1)

摘要/Abstract

摘要： 为提高监护信息系统预报的准确性,提出一种强噪声下监护信息的降噪方法.该方法利用小波变换分析噪声和生理信号的小波系数的特点,应用Hampel滤波器对生理信号小波系数进行滤波处理,并将处理后信号进行小波逆变换,实现监护信息的降噪处理.选择PhysioNet数据库数据进行实验,结果表明文中方法对监护信息有较好的降噪效果.

关键词: 监护信息, 小波变换, Hampel滤波, 降噪方法

Abstract:

In order to improve the accuracy of information prediction for monitoring systems,a denoising method of monitoring information under strong noise is proposed.In this method,the characteristics of wavelet coefficients of both the monitoring information and the noise are analyzed based on the wavelet transform,and the Hampel filtering is adopted to process the wavelet transform coefficients.Then,an inverse wavelet transform is performed to denoise the processed signals.An experiment is finally carried out on PhysioNet database,which verifies the effectiveness of the proposed denoising method.

Key words: Monitoring information, wavelet transform, Hampel filter, de-noising method

蒋贤海谢存禧邹焱飚. 一种强噪声下的监护信息降噪方法[J]. 华南理工大学学报（自然科学版）, 2011, 39(4): 66-69.

Jiang Xian-hai Xie Cun-xi Zou Yan-biao. A Denoising Method of Monitoring Information Under Strong Noise[J]. Journal of South China University of Technology (Natural Science Edition), 2011, 39(4): 66-69.

[1]	牛海清吴炬卓许佳吴倩高紫建郑文坚. 考虑尺度间相关性的电缆瓷套终端红外图像去噪[J]. 华南理工大学学报（自然科学版）, 2017, 45(4): 15-21.
[2]	吴一全宋昱. 基于双树复小波域 HMT 模型的煤燃烧火焰图像去噪[J]. 华南理工大学学报（自然科学版）, 2014, 42(1): 59-65.
[3]	罗玉玲杜明辉. 基于量子 Logistic 映射的小波域图像加密算法[J]. 华南理工大学学报（自然科学版）, 2013, 41(6): 53-62.
[4]	孙季丰吴军政. 基于仿射投影的光线空间插值方法[J]. 华南理工大学学报（自然科学版）, 2013, 41(2): 1-6.
[5]	孙季丰洪博宇. 基于压缩传感理论的多聚焦图像融合方法[J]. 华南理工大学学报(自然科学版), 2012, 40(8): 51-55.
[6]	马小陆裘进浩季宏丽李生权朱孔军. 负电容在主－被动混合压电振动控制中的应用[J]. 华南理工大学学报(自然科学版), 2012, 40(3): 112-118.
[7]	李合龙王文波张冠湘. 基于小波分析和EMD的手写体数字字符特征表示[J]. 华南理工大学学报（自然科学版）, 2010, 38(6): 78-83.
[8]	郭杰吴成柯李云松马静. JPEG2000中高性能低存储的小波变换结构[J]. 华南理工大学学报（自然科学版）, 2009, 37(5): 38-42.
[9]	李虹王惠南董海艳章哓国 . 血管内超声图像的血液噪声抑制和对比度增强算法[J]. 华南理工大学学报（自然科学版）, 2009, 37(1): 48-53.
[10]	陶玲钱志余陈春晓. 基于小波变换模极大值的医学图像融合技术[J]. 华南理工大学学报（自然科学版）, 2008, 36(8): 18-22.
[11]	张思全陈铁群刘桂雄. 基于智能算法的涡流检测自然裂纹形状重构[J]. 华南理工大学学报（自然科学版）, 2008, 36(10): 129-134.
[12]	沃焱韩国强张艳青. 形状自适应的嵌入式小波图像编码算法[J]. 华南理工大学学报（自然科学版）, 2008, 36(1): 55-59,66.
[13]	孙粤辉杜明辉. 基于正交邻域保持投射的DT-CWT 特征人脸识别[J]. 华南理工大学学报（自然科学版）, 2007, 35(9): 45-49.
[14]	付永清张宪民. 基于小波三次样条插值的柔顺机构拓扑图提取[J]. 华南理工大学学报（自然科学版）, 2007, 35(12): 6-10.
[15]	张尧林凌雪钟庆. HVDC 换相失败小波故障诊断方法[J]. 华南理工大学学报（自然科学版）, 2007, 35(10): 172-177.

一种强噪声下的监护信息降噪方法

A Denoising Method of Monitoring Information Under Strong Noise

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价