从腹部中提取胎儿心电图信号:回顾抑制基本电源线组件及其谐波干扰

文摘

电力线路的干扰(PLI)(基频及其谐波)通常是存在于生物电势测量。尽管对策,PLI仍然腐败生理信号,例如,肌电图(EMG),测量(EEG)和心电图(ECG)。当分析胎儿心电图(胎儿心电图)记录在产妇的腹部,PLI代表一个特定的强噪声分量,有时10倍胎儿心电图信号,从而削弱任何有用信息的提取有关胎儿的健康状态。许多信号处理的方法从生物电势取消PLI在文献中是可用的。在本文的研究中,六个不同的原则进行了分析和讨论,并评估他们的表现模拟数据(三个不同的场景),基于五个量化的性能指标。

1。介绍

胎儿心率(fHR)和胎儿心电图(胎儿心电图)的形态分析是两个最重要的工具现在在临床调查研究怀孕期间胎儿的健康状态。fHR是主要参数用于胎儿监测,自1818年以来,(1]。虽然fHR跟踪显示了近99%的预测价值的胎儿健康调查,异常fHR有预测价值仅为50%。因此,它提供了相对贫穷的特异性检测胎儿窘迫的2]。关于胎儿健康的附加信息可以通过分析获得胎儿心电图信号的形态,这是最近推出了在临床实践中对胎儿的监测。其临床意义是通过一系列的临床研究[3),随机对照试验(4- - - - - -8和前瞻性观察性研究9- - - - - -18),证明临床胎儿监测fHR和胎儿心电图形态分析的基础上,尤其是圣波形分析,导致手术阴道分娩的数量减少,规模较小的代谢性酸中毒出生时,更少的血液样本期间执行劳动,和胎儿的发病率降低。

标准的程序来记录fHR是cardiotocography(玻纤),有时被称为电子胎儿监测(19]。必要时对瞬时fHR和胎儿心电图形态、入侵胎儿监测方法,它使用一个电极丝附着在胎儿头皮(20.),膜破裂后,优先。然而,这两种方法都有重要的缺点:(i)获得通过fHR CTG的潜在问题是可靠性和准确性(21,22];此外,beat-to-beat可变性CTG痕迹(fHR不存在的23,24];因此,快速变化的fHR不能检测到;(2)第二个记录技术是入侵(20.];因此,它可以把母亲和胎儿的生命危险(例如,可能感染可以导致不同的并发症)。

另一种方法来获取瞬时fHR和胎儿心电图形态的腹部记录胎儿心电图认为一组电极放置在产妇的腹部。这个记录过程的主要缺点克服了用于临床常规胎儿监测的方法。然而,这种技术的限制是非常低的信号噪声比(信噪比)的胎儿心电图记录。这主要是因为胎儿心电图信号是由一个小源(胎儿心脏)。此外,它必须通过不同的衰减传播媒体到产妇腹部表面。因此,胎儿心电图信号中包含的腹部信号(学籍)提供约10的振幅μV (24)变得更小的大约28到32周的孕龄由于绝缘层的外观胎儿皮脂。

此外,感兴趣的信号,即胎儿心电图,只有一个广告混合物(弱)组件;其他(干扰)信号与更高的力量也存在的肌电图(EMG)的腹部肌肉的electrohysterogram (EHG)孕产妇心电图(mECG),基线漂移主要由于产妇呼吸,和电力线路干扰(PLI)。其中,照明灯具,50 Hz / 60 Hz的基本照明灯具组件,和它的谐波是最令人不安的噪声源之一,因为它可以达到比腹部胎儿心电图信号的振幅更大,使其几乎不可能(参见图分析1)。

PLI是由电源网络,及其出现在腹部录音是由(i)之间的静电感应和寄生电容耦合身体和地面;和(2)的电磁感应通过循环记录电缆,一个时变磁场产生一个电压回路面积成比例(根据其取向)和磁场的强度(25]。如果电缆扭曲,感应电压降低(25),但仍显著的胎儿心电图分析。

胎儿心电图的基本PLI绝对是一个问题分析,及其谐波,通常存在,使PLI取消的问题更加复杂。连接非线性负载所产生的谐波通常:霓虹灯灯、电视、微波烤箱、冰箱、空调设备,电脑,基本上任何电力电子设备连接到一个单相配电系统。令人不安的消息实际上是整流器和半导体开关出现在几乎所有这些非线性负载的电源波形(引入扭曲26,27]。令人惊讶的是,第三次谐波,150 Hz / 180 Hz,是最强大的PLI谐波28]。

尽管有许多可行的解决方案来减少PLI,例如,电缆扭曲和屏蔽,使用微分记录涉及一个仪表放大器具有高共模抑制比(CMRR电力线路的频率,和适当的皮肤准备减少电极不平衡,PLI仍然影响生物电势测量。例如,高CMRR仪表放大器的优点是在现实生活中应用有限,因为轻微electrode-skin阻抗的不平衡导致分配器的效果(25];因此,照明灯具部分转换为差分信号(25,29日,30.)通过放大器和感兴趣的信号,当没有可用陷波滤波器放大器电路来抑制PLI组件。然而,新生儿的ECG信号的频谱范围0.01赫兹到250赫兹(31日),而腹部胎儿心电图频率应该是500赫兹;因此,这样一个陷波滤波器影响也感兴趣的信号。最后,任何PLI扰动,即使减毒,损害腹部胎儿心电图的形态分析由于其极低的振幅。

有许多文献中出现的处理方法,解决PLI抑制生物电势录音。主要PLI取消技术(i)频数字缺口过滤器(32- - - - - -36),(2)自适应滤波器(37- - - - - -42),(iii)的非平稳信号的时频处理(小波变换)43- - - - - -45),(iv)的非平稳信号的时频非线性分析(46- - - - - -48),(v)卡尔曼滤波器(49,50),(vi)神经网络(51,52),(七)盲源分离53- - - - - -55),(八)光谱Hampel过滤器(56),(ix)减法的过程57,58]。这九个类别可以进一步分为nonmodel技术(a) (iii, iv,七世和八世)和基于模型技术(b) (v, vi,第九)。

从这各种各样的PLI抑制方法,6代表选择方法综述研究:数字缺口过滤器(DNF),自适应滤波器(AF),希尔伯特黄变换(HHT),小波变换(WT),盲源分离(BSS)和神经网络(NN);他们简要描述在下面几节中,讨论他们的优点和缺点。最近和代表算法实现为每个PLI取消评估方法和使用模拟数据。信号处理方法与最佳的性能在PLI减少,考虑到原始信号的最小失真作为评价标准,确定。

2。材料和方法

2.1。PLI取消使用数字固定切口过滤器

切口过滤器是用来取消窄带干扰,一个常见的应用程序被PLI抑制生物电势测量。数字固定切口过滤器可以消除多个频率的优点是消除了基频及其谐波(multiple-notch过滤器或梳子过滤器(34,59])。

然而,multiple-notch过滤器的主要问题,当用于取消PLI信号从胎儿心电图信号,是胎儿心电图和PLI光谱重叠。因此,陷波滤波器应该有一个非常狭窄的带宽以抑制主要是50赫兹和其谐波分量,而不是胎儿心电图光谱中包含的有用信息。但这要求发生冲突,实际上真正的PLI信号没有一个固定的基本频率,而是一个频率不同的价值50 Hz这需要宽multiple-notch滤波器的带宽。此外,陷波滤波器引入的瞬态的时间可能太长,在这种情况下,胎儿心电图可以大大扭曲。汉密尔顿[60)调查的瞬态时间的影响切口过滤器,从而增加时带宽却降低了。他们观察到附近的振铃效应出现QRS波群和ST段窄带宽切口使用过滤器。这种扭曲减少当瞬态时间增加(60,61年]。然而,在实践中,长时间瞬态降低了滤波器的容量来跟踪噪声电平变化(60]。心电图采集的最新国际标准,美国国家标准协会促进医疗仪器(AAMI) [62年),国际标准IEC 60601 (63年),不指定任何要求的过渡带切口过滤器。唯一规范IEC 60601标准中指出:“切口线频率干扰抑制滤波器不得介绍心电图记录超过25μV峰值响噪音”(63年]。然而,陷波滤波器应该有一个短暂的时间短,最小失真,和非常狭窄的带宽。

裴和曾64年)提出一个方法来减少多个IIR陷波滤波器的瞬态时间。这种技术使用向量投影来找到更好的IIR陷波滤波器的初始值。最近的一篇论文(32报告更好的结果在抑制瞬态时间比获得的应用方法介绍(时64年]。Piskorowski提出一种时变multiple-notch IIR滤波器。瞬态时间减少极半径随时间变化,因此滤波器能够取消固定频率PLI组件尽可能快,没有长期的选择性障碍(32]。这种类型的过滤器不应被混淆与自适应滤波器,不同等级的中心频率,在下一节中解释。

时变multiple-notch IIR滤波器(TVMNF)提出了在32这一类)选为代表的电力线路PLI抑制方法。因此,一般multiple-notch滤波器的传递函数 在哪里是等级的数量,切口的中心频率,谐波的顺序,是一个对称多项式,是极半径。滤波器的选择性增加时增加,但是这个结果还在较长的过渡。因此,过渡时间的影响半径为了提高时域滤波器响应是不同的。IIR multiple-notch滤波器的差分方程与时变参数是 的变化极半径变化是所描述的65年] 的变化范围和;包括指数的变化在(3),是采样频率32]。价值选择是至关重要的;一个很高的值生成窄级距,但是他们的过渡时间增加,而小值会导致减少过渡时间,但选择性级得到更少,从而导致胎儿心电图频率成分过滤掉重要。因此,有一个指数变化,从一个初始值,所需的一个,(32]。

与一级过滤器实现频率和三切口频率,分别选择和书中建议的那样,(32]。在图2一块图是用来描述TVMNF算法。

2.2。自适应滤波在PLI取消

如前所述,固定切口过滤器有缺口的中心频率的主要缺点是不能修改的。这使得PLI取消困难PLI基本频率有微小变化时,这通常是在真实的应用程序中。要解决这个问题介绍了自适应滤波器,能够调整自己的频率,跟踪PLI基本频率的变化。首先介绍了自适应滤波器的Widrow et al ., (41)根据评审(60),这种类型的过滤器介绍失真小于固定切口过滤器,具有过渡时间短。自适应噪声消除器假设同时记录噪声源的额外的通道,即参考信号。参考与感兴趣的信号应该是不相关的,但与干扰信号。过滤器调整参数以使参考信号尽可能让感兴趣的信号的噪声,通过最小化输出误差,考虑到最小均方(LMS)标准。

许多自适应滤波器,抑制PLI心电图记录在文献中是可用的。Wan et al。67年)提出一个与变步长LMS自适应算法表明,更快的收敛速度和更小的均方误差,相比传统的方法。科斯塔和Tavares68年)有一个进步的基本自适应消除器还提供了谐波的抑制,增加计算复杂度最小。因此,该算法适用于低成本的采集系统。庄园等。42)利用自适应滤波器的功能取消PLI组件和基线漂移从心电图轮廓67年]。

然而,这些自适应滤波器有一个实际的缺点。他们都需要一个额外的干扰信号的记录,也就是说,参考信号。这并不总是可能的(例如,在腹部胎儿心电图记录使用便携式设备)。因此,没有参考信号的自适应滤波器更适合实际应用。Ziarani和康拉德69年)提出一个过滤器能够估计振幅,相位和频率的照明灯具组件。这些自适应滤波器的一个改良版本提出了Martens et al。39](改进的自适应Canceller-IAC)开发了一个算法能够同时抑制PLI基频及其谐波。算法考虑了大型QRS振幅可以扭曲的估计PLI组件和生产大型瞬态段,从而阻止了在这种情况下自适应过程。该算法与经典自适应滤波器和两个切口过滤器和窄带宽大,分别。马顿斯等人提出的算法优于其他技术,显示稳定的行为即使在最糟糕的情况。这个算法是自适应过滤PLI取消方法选为代表,是在当前的研究中实现的。

在图3提出了一种自适应陷波滤波器的一般方案。

2.3。盲源分离应用于PLI抑制

这个PLI取消方法比数字滤波器是基于一个完全不同的概念,考虑的混合信号的统计特性。每个信号源从混合物中提取,只要满足一些条件。

存在许多ICA方法估计参数:最大化nongaussianity [65年,70年),最大似然估计(71年,72年),张量的方法(73年),等等。不同的研究小组使用ICA算法从腹部记录中提取胎儿心电图信号:Zarzoso和南帝2001 (74年),Vrins et al。75年),Sameni et al。76年,77年),Lathauwer et al。73年),Camargo-Olivares et al。78年],卡多佐[79年),等等。所有ICA的研究报告,使用ICA方法在从广告中提取胎儿心电图信号表现相当不错,也就是说,将腹部胎儿心电图与其他类型的噪声信号,包括照明灯具组件,在股美国存托凭证。应该注意到腹部胎儿心电图的解释获得通过BSS方法没有明确的物理解释,由于ICA不考虑电极的位置和其他物理参数。

中提出的算法(65年FastICA],被选为代表这PLI取消方法,被认为是在当前的研究中。在图4的一般框图ICA概念描述。

2.4。希尔伯特黄变换应用于减少照明灯具

希尔伯特黄变换(HHT)是一种强大的方法来分析非线性、非平稳的时间序列和由黄提出et al。80年]。该方法克服了傅里叶变换的缺点是有效平稳时间序列。这是证明了傅里叶变换提供了一个错误的energy-frequency分布没有物理意义当应用于非平稳的时间序列80年]。考虑到最真实的信号,尤其是生物电势,不稳定,遗传性出血性毛细血管扩张症是适合他们的分析。

方法有两个步骤:(i)一代的固有模式函数(首先通过经验模态分解(EMD);(2)希尔伯特分析(80年]。首先是完全从数据集生成,必须满足两个条件:(a)零交叉的数量和极值的数量必须相等或不同最大,(b)的平均值信封包括局部极大值和定义的信封在任何时候局部最小值是零。

的产生首先是完全数据驱动和获得的分解时间序列的过程称为“筛选”)使用EMD;高频组件分解为第一货币基金,而低频率成分在高阶首先发现的。

据报道,该方法取消PLI从心电图信号(81年- - - - - -83年]。基本思想是抛弃imf的含有噪声和重建信号从剩余的货币。的主要问题是确定哪些货币包含PLI信号。在传统EMD第一国际货币基金组织(IMF)被认为是与PLI的信号,因为它包含更高的频率,因此丢弃,这未必是真的,自从筛选过程并不完美,允许高频心电图组件在第一国际货币基金组织(IMF)。此外,如果PLI包含谐波,然后首先包含PLI组件的数量较高,由于谐波分解为不同的货币。

朋友和密特拉66年提出一种算法,识别包含PLI组件的货币。计算货币基金的累计平均和他们的权力,并使用这些参数确定了哪些货币包含PLI组件,在阈值的基础上。然而,该算法并不健壮的力量PLI信号时高与感兴趣的信号相比,胎儿心电图。因此,当前的研究提高了原始HHT PLI取消方法为基础,通过更准确的识别噪声首先被获得。希尔伯特变换为每个国际货币基金组织(IMF)和瞬时频率计算推导。imf的包含PLI组件然后丢弃;正如前面提到的,这些货币仍然可以包含高频心电图组件的信息,也就是说,QRS波群。为了恢复QRS波群,imf与QRS波群首先发现,基于瞬时频率,然后通过Kabir和Shahnaz描述的算法(47应用如下:(一)QRS波群边界识别:(.)的峰位置检测;(a)两个最近的局部最小值,位于两侧峰被发现;(a)一个零交点点左边的左最小和另一个右边的正确检测到最低。QRS波群的边界是假定为这两点之间;(b)以一个图基窗口山峰,跨度涵盖QRS波群的,也就是说,增加选择的国际货币基金组织(IMF)。这个窗口提供了一个平坦的增益波和逐渐减少到零确保平稳过渡以最小的失真。因此,QRS波群的信息保存下来,让胎儿心电图的估计。在图5算法的框图描述。

2.5。通过应用神经网络PLI取消

在心脏的经典应用神经网络信号处理心电信号的分类,模式识别(84年,85年,从广告中提取胎儿心电图(86年]。在[描述方法对胎儿心电图改善信噪比87年),一个功能环节提出了人工神经网络(FLANN)去除高斯噪声和基线漂移。张和Benveniste [88年)和Poungponsri Yu (89年)使用神经网络与小波变换相结合的更好的结果。然而,在最近的一篇文章中Poungponsri和Yu (51)有一个改进的方法89年),该算法测试也PLI取消(小波神经Network-WNN)。基于神经网络的自适应滤波方法提出了(51]对心电图信号降噪删除PLI信号首先通过小波分解。小波系数进一步应用于神经网络训练重构去噪心电(见图6)。算法最初是由作者开发的取消所有的噪声源重叠的ECG信号记录在360赫兹(PLI基本频率为60 Hz)。

Suranai等人提出的算法选择的代表这一类方法及其步骤如下:(一)一个真正的信号,而不是受PLI,与64年应用于前馈神经网络的输入,2隐藏层,1输出对应的去噪心电信号。神经网络的输入是通过应用小波包分解(WPD)使用Debauchies 4小波;软阈值(阈值)来减少高频噪声。由此产生的64个小波系数神经网络的输入有56隐藏第一隐层神经元和12在第二个神经元。双曲正切激活函数是用于所有神经元: 第一个“干净”的3350个样本选择信号重新取样300赫兹(创纪录的220从麻省理工学院(MIT-BIH)数据库(90年)用于训练阶段涉及反向传播算法(4000年为原始信号,记录在360赫兹)。为了使神经网络消除PLI从不同记录的信号放大器,信号最初规范化如下: 在哪里和分别是最大值,最小值的信号。培训然后继续同样的部分,影响PLI,神经网络学习取消PLI噪音。(b)喧闹的信号被应用到网络(即。后,他们的小波系数阈值);去噪信号被认为是网络的输出。

应该注意到,上面的算法是在这项研究适应移除PLI信号的基频50 Hz,采样频率为1000赫兹。

2.6。通过应用小波变换PLI减少

近年来,离散小波变换和阈值技术已被用于心电图去噪(91年]。基于小波的降噪技术变得非常受欢迎,因为他们能够将信号分解成时频域是适合分析非平稳的信号。据报道在文献中,离散小波变换不引入任何人工信息原始信号;阈值是生成基于从信号中提取的属性(92年,93年]。

主要问题是母小波的识别,分解,和最优阈值。加戈et al。94年心电图比较不同的母小波函数去噪和得出结论,心电图的复苏与最小工件获得当使用Sym10分解在5级和硬收缩功能与严格确定或启发式确定阈值(94年]。最近,Galiana-Merino et al。43)使用离散平稳小波包变换(DSWPT)抑制PLI信号及其谐波从肌(EMG)信号(DSWPT算法)。基本上这是一个不变的变换转移到隔离50 Hz及其谐波,令人不安的正弦信号重建之后使用DSWPT系数。在图7的台阶DSWPT算法描述如下。(一)线性趋势从信号中移除。(b)DSWPT应用于使用迈耶的去趋势信号小波和考虑的最大分解水平固定,允许50 Hz,其谐波的识别。(c)正弦噪声信号的振幅和相位大致估计除以DSWPT与扰动频率相关系数分门别类的20个样品然后平均获得正弦波干扰的模板。基于该模板生成一些纯正弦信号的振幅的最大值等于正弦模板。这些纯正弦信号之间的相关性和相应的模板允许大致确定灯具的相移。(d)振幅和相位的正弦扰动进一步调整,更好的照明灯具的估计。首先,最好的相移计算通过不同阶段的变化范围样品大概在估计阶段的转变。其次,计算转移纯正弦信号之间的相关性。然后,振幅被分析信号之间的相关性和精制纯正弦波的振幅变化的范围[0.6,1.4]在大约估计的振幅。变异步等于0.01%的大致估计振幅。(e)精制正弦扰动信号相减时,必须去噪。

主要结果总结了选择算法的性能表1。

2.7。数据仿真和性能测量

模拟数据,用于定量估计的性能提出的算法生成两个步骤。首先,胎儿心电图是使用动态模型模拟的介绍(95年,96年]: 在哪里是当时的角速度矢量绕着限制圆(代表期吗),,,,包含的振幅峰值,包含每个峰的宽度,是指定的角度- - - - - -,- - - - - -,- - - - - -,- - - - - -,波/峰值。

其次,照明灯具组件,模拟正弦信号,是补充道。PLI基本组件通常被认为是常数。然而,也有一些偏离基本频率在真实的应用程序中,主要是由于不稳定的电源。因此,照明灯具组件可以表现出显著的频率偏移,高达3% (30.,97年- - - - - -One hundred.(偏差与国家不同,这取决于可用的电源技术)。

因此构建三个数据集,考虑三个PLI场景(7):(i) PLI只包含基本的电力线路干扰分量,50赫兹,(ii) PLI包括电力线的基本频率及其第3谐波(150赫兹),和(3)PLI正弦信号的频率略不同时间大约50赫兹。考虑 在哪里。

很明显,最坏的情况是第三个,假设电力线路基本频率是时变的。

为每一个场景中,定义的信噪比(8)是不同的;五个噪音水平被认为是:−2 dB, 0分贝,2 dB, 4 dB,和5 dB: 定性评价的实现算法,考虑以下性能指标如下。(一)归一化均方根误差,用百分比表示: (b)噪声保留,用百分比表示: 在哪里是信号的功率计算 (c)信噪比改善(47]: 在信号是输入信号含有胎儿心电图和照明灯具。(d)互关联系数,考虑到原始和去噪胎儿心电图信号:

3所示。结果

应用5时选择算法获得的结果是有组织的如下。(我)的各项性能指标表。评估算法和列对应的行到场景中,假设信噪比是−2,0,2,4,5分贝。最好的结果性能指标以粗体强调针对每种情况和每个场景。一些算法的场景不工作原理是由空灰色细胞。(2)场景2的性能指标,当信噪比−2 dB,每个算法(参见图说明8,9,10,11)。第二个场景是选择,而不是最坏的情况(场景3)因为两种算法在这种情况下不工作原则。此外,如果表现最差的算法性能指标非常远离其他值(即。,are outliers), they are excluded from the graphical representation, in order to offer a meaningful comparison of the algorithms. (iii) The results obtained for the selected BSS method (FastICA) are considered apart from the others, because this method has a totally different working principle, assuming that more recorded channels are available. Thus, for each scenario, the FastICA algorithm is evaluated by considering that the available ICA inputs are the five simulated signals, with different SNRs.

4所示。讨论

在表中2,3,4,5,它可以观察到,最严重的整体性能得到算法的应用。算法能够减少噪音如果水平非常低,但QRS波群,包含高频、干扰、损害胎儿心电图形态分析。当噪声信号是隐藏的,也就是说,低水平的信噪比,该方法无法提取去噪信号,可以解释为阈值的步骤。算法的主要优点是计算时间的测试(去噪)阶段,假设已经训练神经网络。因为坏的整体性能算法排除在下面讨论。

TVMNF方法提出的(32)显示了场景1和2有一个好的结果表示为2.11%,数字8提高信噪比,场景2 dB(见图11),信噪比=−2 dB(最坏的情况)。没有振铃效应观察附近的QRS复合物。然而,尽管好的结果,滤波器的主要缺点是不能应用基本频率是不同的,如预期在真实的应用程序中。因此,这种类型的过滤器是有限的使用。

正如预期的那样,能够自适应方法遵循PLI组件频率的变化;因此,他们可以成功地应用于场景3。根据计算性能指标,IAC能够获得良好的估计胎儿心电图信号的基本频率是固定的,即使在谐波。然而,对于最坏的信噪比,即−2 dB,获得性能稍差相比其他算法的性能数据8- - - - - -11)。场景3算法的最坏性能(RMSD = 655%,噪声保留因子NR = 95%)。这是由于这样的事实,该算法需要很长的适应时间(大约10 s)当一步PLI基频的变化出现。因此,IAC是有限的在真实的应用程序中使用。

HHT方法实现这个研究显示还好结果。然而,在小信噪比的值,QRS波群附近的小振荡出现,这表明一些非常低PLI组件可以在低阶首先发现的。此外,当该方法应用在场景3中,异常值出现当PLI基频变化。这种方法的主要优势是,它适用于非平稳的信号生物电势和它完全数据驱动的;也就是说,没有先天的知识是必要的。的主要缺点是,分解不完全独立的振荡;因此,一些有用的信息可以在imf的包含PLI组件;此外,它没有,现在,一个完整的数学评估。然而,最近的论文提出一些改进的基本方法要求一个更好的分解(例如,集成经验模态分解(EEMD) [101年)和完整的集成经验模态分解(102年])。

BSS算法能够独立的照明灯具的胎儿心电图显示同样的性能无论如何不同的信噪比,因为它利用独立原则任何两个信号之间的来源。然而,应该指出的是,与其他方法的比较是不公平的在当前的研究中;为了模拟相同,相同的信号用于其他FastICA算法被喂食。在真实的应用程序中,ICA算法的输入信号从不同渠道获得,意义不同的胎儿心电图波形,这可以降低胎儿心电图的ICA提取的性能。此外,胎儿心电图的物理相关性获得独立的组件应用ICA时仍然是一个研究人员讨论的主题。因此,在真实的应用程序中使用有限的方法,但它可以成功地结合了自适应滤波技术,提高了估计PLI参考提供的块。

理论上预期,获得最佳的性能使用DSWPT时,如果PLI是静止的,包括50 Hz及其谐波。然而,方法不工作在最糟糕的情况下。由于算法估计PLI干扰假设电力线路的频率是50赫兹(在步骤2中,模板的构造正弦干扰,平均分段信号,使用20个样本的窗口),预计算法失败在取消PLI与50赫兹频率或多或少不同,甚至更糟的是,当输电线路频率不同,获得支持的结果。

5。结论

本文回顾PLI取消方法应用于胎儿心电图信号处理,提出了揭示文献中提供的主要概念抑制50 Hz / 60 Hz从生物组件及其谐波。选择的算法进行了定量分析,使用不同的性能标准和实际问题讨论时提供PLI取消从腹部胎儿心电图。三套模拟数据构造和使用的定量评价算法,考虑到50 Hz PLI基本频率,50赫兹结合150 Hz PLI组件,以及不同PLI基本频率。量化性能监控使用五种不同的指标,对应于不同的信噪比。

虽然有些方法,像算法,显示非常糟糕的表现,大部分的算法有很好的结果,特别是在场景1和2。DSWPT具有最佳性能在场景1和2中,描绘的人物8- - - - - -11,但它的主要缺点是它是不适合最现实的场景,场景3。基于HHT算法显示了整体最佳性能,考虑到实现的场景。因此,进一步的研究应该集中在利用HHT方法的功能。

利益冲突

作者宣称没有利益冲突的出版。

作者的贡献

Dragoş-DanielŢarălungă和Georgeta-Mihaela Ungureanu贡献同样纸和,因此,都视为第一作者。

引用

1. j·r·伍兹”案例# 680主题:胎儿心率监测,”2013年,http://www.perifacts.eu/cases/Case_680_Fetal_Heart_Rate_Interpretation.php。视图:谷歌学术搜索
2. k号和a . Ullal Peripartum和产时胎儿的评估。”麻醉和重症监护医学,8卷,不。8,331 - 336年,2007页。视图:出版商的网站|谷歌学术搜索
3. m·g·罗斯·l·d·德芙,和k·g·罗森,“胎儿心电图st段的分析,改善胎儿心率追踪解释和临床决策,”母胎和新生儿医学杂志》上,15卷,不。3、181 - 185年,2004页。视图:出版商的网站|谷歌学术搜索
4. j .韦斯特盖特·m·哈里斯,j·s·h·科诺和k·r·格林,“普利茅斯的随机试验cardiotocogram只与圣波形+ cardiotocogram产时监测2400例,“美国妇产科杂志》上,卷169,不。5,1151 - 1160年,1993页。视图:谷歌学术搜索
5. Amer-Wahlin, c . Hellsten h·诺尔et al .,“Cardiotocography只与Cardiotocography +产时胎儿监测胎儿心电图ST分析:瑞典随机对照试验”《柳叶刀》,卷358,不。9281年,第538 - 534页,2001年。视图:出版商的网站|谷歌学术搜索
6. k . Ojala m . Vaarasmaki k . Makikallio m . Valkama和A . Tekay”比较自动化产时胎儿心电描记法和常规cardiotocography-A随机对照研究中,“国际妇产科杂志》上,卷113,不。4、419 - 423年,2006页。视图:出版商的网站|谷歌学术搜索
7. c . Vayssiere e·大卫·n·迈耶et al .,”一位法国ST段分析的随机对照试验与异常cardiotocograms在劳动人口,”美国产科和妇科杂志》上卷。197年,299. e1 - 299页。e6, 2007年。视图:谷歌学术搜索
8. m . e . Westerhuis g·h·维瑟k . g .卫星et al .,“Cardiotocography +圣分析胎儿心电图与Cardiotocography只产时监控:一个随机对照试验,”产科和妇科卷,115年,第1180 - 1173页,2010年。视图:谷歌学术搜索
9. h·诺尔片断,a•et al .,”斯坦在临床实践的结果2年城市哥德堡,经常使用的“美国妇产科杂志》上,卷195,不。1、7 - 15,2006页。视图:出版商的网站|谷歌学术搜索
10. h·诺尔A . k . Luttkus j . h . Stupin et al .,“胎儿头皮pH值和圣胎儿心电图的分析作为一个兼职劳动cardiotocography预测胎儿酸中毒:多中心,病例对照研究,“围产期医学杂志》,35卷,不。5,408 - 414年,2007页。视图:出版商的网站|谷歌学术搜索
11. m·马苏德a Giannesi:阿玛比尔,m . Manevy g .杰龙和p . Gaucherand“胎儿electrocardiotocography分娩和新生儿的结果:1889名患者的观察性研究在法国中心爱德华赫里欧,里昂,”母胎和新生儿医学杂志》上,20卷,不。11日,第824 - 819页,2007年。视图:出版商的网站|谷歌学术搜索
12. n s Palmgren Colov”,需要广泛的教育实现胎儿监测新技术时,“为Laeger Ugeskrift,卷169,不。39岁,3294 - 3297年,2007页。视图:谷歌学术搜索
13. m·梅林a . Bonnevier m . Cardell l·霍根和a . Herbst”ST-interval部分胎儿心电图的变化与酸碱状态在出生时,“国际妇产科杂志》上,卷115,不。13日,1669 - 1675年,2008页。视图:出版商的网站|谷歌学术搜索
14. A.-K。h . Noran Welin, a . Odeback m·安德森·g·安德森,和k·g·罗森,”斯坦、临床审计:2年的结果经常使用的城市Varberg,瑞典,”Acta Obstetricia et Gynecologica Scandinavica,卷86,不。7,827 - 832年,2007页。视图:出版商的网站|谷歌学术搜索
15. 答:甘蓝、Y.-S。庄,a Biswas”效应的可用性手术分娩胎儿心电图监测,“Acta Obstetricia et Gynecologica Scandinavica,卷87,不。11日,第1193 - 1189页,2008年。视图:出版商的网站|谷歌学术搜索
16. h·诺尔和a,“减少出生时普遍存在的代谢性酸中毒:分析建立斯坦在总人口交付使用瑞典地区医院”美国妇产科杂志》上,卷202,不。6、546. e1 - 546页。e7, 2010年。视图:出版商的网站|谷歌学术搜索
17. r . Rzepka a . Torbe s Kwiatkowski w . Blogowski和r . Czajka”临床结果的高危工作监控使用胎儿心电描记法,“医学科学院新加坡上,39卷,不。1,新,2010页。视图:谷歌学术搜索
18. k . Ragupathy f·伊斯梅尔,a . e . Nicoll”斯坦监测在工党病房的使用,“妇产科杂志》上,30卷,不。5,465 - 469年,2010页。视图:出版商的网站|谷歌学术搜索
19. m·g .年青男子g . Magenes s Cerutti和d . Arduini“线性和非线性参数的分析胎儿心率信号从cardiotocographic录音,”IEEE生物医学工程,50卷,不。3、365 - 374年,2003页。视图:出版商的网站|谷歌学术搜索
20. j·p·尼尔森,“胎儿心电图(ECG)在分娩的时候胎儿监测,“Cochrane系统评价的数据库,没有。4篇文章ID CD000116 2012。视图:出版商的网站|谷歌学术搜索
21. w·r·科恩,s . Ommani s哈桑et al .,“胎儿心率监测的准确性和可靠性使用产妇腹部表面电极,”Acta Obstetricia et Gynecologica Scandinavica,卷91,不。11日,第1313 - 1306页,2012年。视图:谷歌学术搜索
22. 和j . Jezewski j . Wrobel k . Horoba”比较多普勒超声和直接心电描记法采集胎儿心率变异性的量化技术,”IEEE生物医学工程,53卷,不。5,855 - 864年,2006页。视图:出版商的网站|谷歌学术搜索
23. m·a·哈桑·m·b·i Reaz Ibrahimy, m·s·侯赛因和j . Uddin“胎儿心电图信号的检测和处理技术对胎儿的监测、”生物过程在线,11卷,不。1,第295 - 263页,2009。视图:出版商的网站|谷歌学术搜索
24. m·彼得斯j·克劳,肯尼迪。地区et al .,“监测胎儿心脏方法:回顾的方法,”围产期医学杂志》卷,29号5,408 - 416年,2001页。视图:出版商的网站|谷歌学术搜索
25. j . c . Huhta和j·g·韦伯斯特,”60 hz干涉心电描记法”,IEEE生物医学工程,20卷,不。2、91 - 101年,1973页。视图:谷歌学术搜索
26. m . e . Villablanca”Harmonic-free line-commutated ac / dc整流器,”电力系统研究,卷79,不。11日,第1537 - 1531页,2009年。视图:出版商的网站|谷歌学术搜索
27. s . k . Jain和辛格、“新兴电力系统谐波估计:关键问题和挑战,”电力系统研究,卷81,不。9日,第1766 - 1754页,2011年。视图:出版商的网站|谷歌学术搜索
28. k .和田和t .清水”,缓解的方法3 rd-harmonic电压为三相四线分布系统基于一系列中性线的有源滤波器,”美国第37 IAS年度会议和世界会议上电能的工业应用,1卷,第69 - 64页,2002年10月。视图:谷歌学术搜索
29. a . c .会议van Rijn a .胡椒和c . a . Grimbergen”高质量的生物事件的记录。第1部分。减少干扰,理论与实践”医学和生物工程和计算机,28卷,不。5,389 - 397年,1990页。视图:出版商的网站|谷歌学术搜索
30. c . Levkov g . Mihov r·伊万诺夫Daskalov, Christov, i Dotsinsky,“移除电源的干扰心电图:减法的审查过程中,“生物医学工程在线第五十条,卷。4日,2005年。视图:出版商的网站|谷歌学术搜索
31. p . Kligfield l . s . Gettes j·j·贝利et al .,“建议的标准化和解释心电图:第一部分:心电图和其技术科学声明美国心脏协会心电图和心律失常委员会,委员会临床心脏病学;美国心脏病学院基金会;和心脏节律协会计算机心电学得到国际社会的认可,”美国心脏病学会杂志》上卷,49号10日,1109 - 1127年,2007页。视图:出版商的网站|谷歌学术搜索
32. j . Piskorowski”,抑制谐波电力线干扰使用multiple-notch过滤方法改善瞬态行为,”测量,45卷,不。6,1350 - 1361年,2012页。视图:出版商的网站|谷歌学术搜索
33. y v Joshi和s . c . Dutta罗伊”设计IIR多个切口过滤器”,国际期刊的电路理论和应用程序,26卷,不。5,499 - 507年,1998页。视图:谷歌学术搜索
34. r . Deshpande b·库马尔和s . b . Jain,“多凹口滤波器的设计,”国际期刊的电路理论和应用程序,40卷,不。4、313 - 327年,2012页。视图:出版商的网站|谷歌学术搜索
35. r . Deshpande b·库马尔和s . b . Jain,“高度狭窄拒绝通信带宽有限脉冲响应等级过滤器,”专业的沟通,4卷,不。18日,第2216 - 2208页,2010年。视图:出版商的网站|谷歌学术搜索
36. j . Piskorowski”与瞬变抑制数字Q-varying级距IIR滤波器”,IEEE仪表和测量卷,59号4、866 - 872年,2010页。视图:出版商的网站|谷歌学术搜索
37. i s Badreldin d s El-Kholy, A . A . El-Wakil”修改为心电描记法自适应噪声消除器没有电源的参考,”第五届开罗国际生物医学工程研讨会论文集(CIBEC 10)2010年12月,页13 - 16,。视图:出版商的网站|谷歌学术搜索
38. i s Badreldin d s El-Kholy, a . a . Elwakil“谐波自适应噪声消除器为心电描记法没有电源的参考,”第16届IEEE追捕电工研讨会论文集(MELECON 12)2012年3月,页1017 - 1020。视图:谷歌学术搜索
39. s·m·m·马顿斯m . Mischi s . g . Oei和j·w·m·伯格曼“心电描记法的改进的自适应电力线路干扰消除器,”IEEE生物医学工程,53卷,不。11日,第2231 - 2220页,2006年。视图:出版商的网站|谷歌学术搜索
40. m . Maniruzzaman k . m . s .比拉王储,Biswas和b .获得“Least-Mean-Square算法自适应滤波器去除电线心电图信号,干扰”学报》国际会议信息、电子&愿景(ICIEV 12)2012年5月,页737 - 740。视图:谷歌学术搜索
41. b . Widrow j . r . Glover Jr .)和j·m·迈克尔,“自适应降噪:原理与应用》IEEE学报》,卷63,不。12日,第1716 - 1692页,1975年。视图:出版商的网站|谷歌学术搜索
42. g .庄园z Nanquan w .浩田,“干扰消除器在生物电信号处理中的应用。”Procedia环境科学部分,卷。10日,第819 - 814页,2011年。视图:谷歌学术搜索
43. j。j Galiana-Merino、d . Ruiz-Fernandez和j·j . Martinez-Espla“电源线干扰过滤表面基于平稳小波包变换,肌电图”计算机在生物医学方法和项目,卷111,不。2、338 - 346年,2013页。视图:谷歌学术搜索
44. p . Karthikeyan m . Murugappan, s . Yaacob“心电图信号用小波阈值去噪技术在人类压力评估,”在电气工程和信息学国际期刊,4卷,不。2、2012。视图:谷歌学术搜索
45. m . Alfaouri和k . Daqrouq“心电图信号小波变换的阈值去噪,”美国应用科学杂志》上,5卷,不。3、276 - 281年,2008页。视图:谷歌学术搜索
46. 美国朋友和m . Mitra”基于经验模态分解的心电图增强和QRS检测,”计算机在生物学和医学,42卷,不。1,第92 - 83页,2012。视图:出版商的网站|谷歌学术搜索
47. m·a·卡比尔和c Shahnaz”,使检测到的心电信号去噪基于EMD降噪算法和小波域,“生物医学信号处理和控制,7卷,不。5,481 - 489年,2012页。视图:出版商的网站|谷歌学术搜索
48. j . Artūras m . Vaidotas, l . Arūnas”合奏增强有氧运动信号的基于经验模态分解的特性,“医学工程与物理,35卷,不。8,1059 - 1069年,2012页。视图:谷歌学术搜索
49. g·李,曾庆红x, x, y, g . Liu和x周,“健壮的抑制不稳定电源干扰的心电图信号,”生理测量,33卷,不。7,1151 - 1169年,2012页。视图:谷歌学术搜索
50. h . Hajimolahoseini m . r . Taban, h . Soltanian-Zadeh”扩展卡尔曼滤波器频率跟踪器的非平稳谐波信号,”测量,45卷,不。1,第132 - 126页,2012。视图:出版商的网站|谷歌学术搜索
51. 美国Poungponsri X.-H。余,“心电图(ECG)信号的自适应滤波方法降噪使用神经网络,”Neurocomputing卷,117年,第213 - 206页,2013年。视图:谷歌学术搜索
52. j·马特奥,c·桑切斯,托雷斯,r . Cervigon和j·j . Rieta“基于神经网络的补偿设备电源线干涉心电图信号,”程序的年度国际会议在心脏病学电脑(汽车' 08)2008年9月,页1073 - 1076。视图:出版商的网站|谷歌学术搜索
53. Y.-D。林,彭译葶。许,H.-Y。陈,K.-K。曾先生,”高效的基于块独立分量分析与最优学习速率,”Neurocomputing卷。117年,22-32,2013页。视图:谷歌学术搜索
54. m·p·s·乔”PCA和ICA处理方法去除工件和噪声在心电图:一项调查和比较,”应用软计算杂志,11卷,不。2、2216 - 2226年,2011页。视图:出版商的网站|谷歌学术搜索
55. a . Hyvarinen“快速独立分量分析和健壮的定点算法,”IEEE神经网络,10卷,不。3、626 - 634年,1999页。视图:出版商的网站|谷歌学术搜索
56. d·p·艾伦,”一个频域Hampel过滤器盲人拒绝正弦干扰肌动电流图,“神经科学杂志》上的方法,卷177,不。2、303 - 310年,2009页。视图:出版商的网站|谷歌学术搜索
57. c . Levkov g . Mihov r·伊万诺夫Daskalov, Christov, i Dotsinsky,“移除电源的干扰心电图:减法的审查过程中,“生物医学工程在线第五十条,卷。4日,2005年。视图:出版商的网站|谷歌学术搜索
58. g . Mihov i Dotsinsky Georgieva t,“减法程序从心电图电力线干扰消除:改善单式抽样,”医学工程与技术》杂志上卷,29号5,238 - 243年,2005页。视图:出版商的网站|谷歌学术搜索
59. y v Joshi和s . c . Dutta罗伊”设计IIR多个切口过滤器”,国际期刊的电路理论和应用程序,26卷,不。5,499 - 507年,1998页。视图:谷歌学术搜索
60. p·s·汉密尔顿,“比较适应和非适应过滤器减少电源线干扰的心电图,”IEEE生物医学工程,43卷,不。1,第109 - 105页,1996。视图:出版商的网站|谷歌学术搜索
61. 美国罗和p·约翰斯顿,“回顾心电图过滤”心电学杂志》,43卷,不。6,486 - 496年,2010页。视图:出版商的网站|谷歌学术搜索
62. 美国国家标准ANSI / AAMI EC11,诊断心电图描记的设备促进协会医疗仪器,阿灵顿,弗吉尼亚州,美国,2007年。
63. 国际标准IEC 60601 - 1,医疗电气Equipment-Part 1:基本安全通用要求和基本性能,2005年。
64. 研究所。裴和c c。曾”,消除交流干扰与瞬变抑制心电图使用IIR陷波滤波器,”IEEE生物医学工程,42卷,不。11日,第1132 - 1128页,1995年。视图:出版商的网站|谷歌学术搜索
65. a . Hyvarinen j . Karhunen,大肠Oja独立分量分析约翰•威利& Sons 2001。
66. 美国朋友和m . Mitra”基于经验模态分解的心电图增强和QRS检测,”计算机在生物学和医学,42卷,不。1,第92 - 83页,2012。视图:出版商的网站|谷歌学术搜索
67. h .广域网,傅r和l .史,“50赫兹电力线路干扰的消除心电图使用可变步长LMS自适应滤波算法,”生命科学期刊,3卷,不。4、2006。视图:谷歌学术搜索
68. m·h·科斯塔和m·c·塔瓦雷斯”消除谐波电力线路干扰生物电势信号在低成本获取系统中,“计算机在生物学和医学,39卷,不。6,519 - 526年,2009页。视图:出版商的网站|谷歌学术搜索
69. A . k . Ziarani和A·康拉德”,消除输电线的非线性自适应方法对ECG信号的干涉,“IEEE生物医学工程卷,49号6,540 - 547年,2002页。视图:出版商的网站|谷歌学术搜索
70. A . Hyvarinen和大肠Oja独立分量分析的快速定点算法”,神经计算,9卷,不。7,1483 - 1492年,1997页。视图:谷歌学术搜索
71. 肯尼迪。卡多佐,”Infomax和最大似然对盲源分离”,IEEE信号处理信件,4卷,不。4、112 - 114年,1997页。视图:出版商的网站|谷歌学术搜索
72. b . a .工作和l . c . Parra最大似然盲源分离:ICA的上下文敏感的泛化,”先进的神经信息处理系统9卷,第619 - 613页,1997年。视图:谷歌学术搜索
73. l . De Lathauwer b . De沼泽和j·范德维尔”:子空间盲源分离提取胎儿心电图,”IEEE生物医学工程卷,47号5,567 - 572年,2000页。视图:出版商的网站|谷歌学术搜索
74. 诉Zarzoso和a . k .南帝”无创提取胎儿心电图:盲分离与自适应降噪,”IEEE生物医学工程,48卷,不。1、12 - 18,2001页。视图:出版商的网站|谷歌学术搜索
75. f . Vrins、c . Jutten和m . Verleysen”传感器阵列和电极选择非侵入性胎儿心电图提取独立成分分析”独立分量分析和盲信号分离卷,3195在计算机科学的课堂讲稿,第1024 - 1017页,2004年。视图:谷歌学术搜索
76. r . Sameni提取胎儿心脏的信号从一个数组的产妇腹部录音(博士学位。论文)谢里夫Technology-Institut国立格勒诺布尔理工大学,2008年7月。
77. r . Sameni和g·d·克利福德”,对胎儿心电信号处理,没有。年代和有前途的方向。”开放踱步,电生理学与治疗》杂志上卷,3,4,2010页。视图:谷歌学术搜索
78. j·l·Camargo-Olivares r . Martin-Clemente s Hornillo-Mellado m·m·埃琳娜和罗马,“产妇腹部心电图作为输入的云母胎儿心电提取问题,“IEEE信号处理信件,18卷,不。3、161 - 164年,2011页。视图:出版商的网站|谷歌学术搜索
79. 肯尼迪。卡多佐,“多维独立分量分析”《IEEE国际会议音响、演讲和信号处理(ICASSP ' 98)4卷,第1944 - 1941页,1998年5月。视图:谷歌学术搜索
80. n . e .黄z沈,s . r .长et al .,“经验模态分解和休伯特光谱非线性和非平稳时间序列分析,“英国皇家学会学报》上,卷454,不。1971年,第995 - 903页,1998年。视图:谷歌学术搜索
81. s . r . n . e .黄m . l . Wu长et al .,“信心限制经验模态分解和Hilbertspectral分析,“英国皇家学会学报》上卷,459年,第2345 - 2317页,2003年。视图:谷歌学术搜索
82. m . Blanco-Velasco b翁,k . e .改革者”ECG信号去噪和基线漂移校正经验模态分解的基础上,“计算机在生物学和医学,38卷,不。1,1-13,2008页。视图:出版商的网站|谷歌学术搜索
83. c .张、李x和m .张“小说ECG信号去噪方法的基础上简要地变换,”程序的计算机和通信技术在农业工程国际会议(CCTAE 10),2卷,第287 - 284页,2010年6月。视图:出版商的网站|谷歌学术搜索
84. w .江、s . g .香港和g·d·皮特森“心电图信号使用基于块的神经网络分类,”学报》国际神经网络联合会议(IJCNN 05)2005年8月,页326 - 331。视图:出版商的网站|谷歌学术搜索
85. p . m . Jezewski j . Wrobel Labaj et al .,“一些实用的评价胎儿cardiotocograms分类、神经网络方法”学报IEEE-EMBS第29届国际年会,在医学和生物工程协会(EMBC ' 07)2007年8月,页5170 - 5173。视图:出版商的网站|谷歌学术搜索
86. m·a·哈桑,m . i Ibrahimy和m . b . i Reaz”一个有效的方法,从腹部提取胎儿心电图心电图信号,”计算机科学期刊,5卷,不。9日,第623 - 619页,2009年。视图:出版商的网站|谷歌学术搜索
87. n·戴伊,t . p .冲刺,冲刺,“心电图信号去噪的功能链接人工神经网络(FLANN)”国际生物医学工程杂志和技术,7卷,不。4、377 - 389年,2011页。视图:出版商的网站|谷歌学术搜索
88. 问:张和a . Benveniste“小波网络,”IEEE神经网络,3卷,不。6,889 - 898年,1992页。视图:出版商的网站|谷歌学术搜索
89. 美国Poungponsri X.-H。余,“心电图(ECG)信号用小波神经网络建模和降噪,”《IEEE国际会议自动化和物流(ICAL ' 09)2009年8月,页394 - 398。视图:出版商的网站|谷歌学术搜索
90. g . b .喜怒无常,r·g·马克,“MIT-BIH心律失常数据库的影响,”IEEE,生物医学工程杂志,20卷,不。3、45 - 50,2001页。视图:出版商的网站|谷歌学术搜索
91. E.-S。a . El-Dahshan”、遗传算法和小波混合方案ECG信号去噪,”电信系统,46卷,不。3、209 - 215年,2011页。视图:出版商的网站|谷歌学术搜索
92. c . Kezi热带雨林Vijila和c Ebbie热带雨林Kumar“取消使用简称ANFIS EMG信号,干扰”最近的趋势在工程的国际期刊,卷2,不。5,2009。视图:谷歌学术搜索
93. p . Karthikeyan m . Murugappan, s . Yaacob“心电图信号用小波阈值去噪技术在人类压力评估,”在电气工程和信息学国际期刊,4卷,不。2、2012。视图:谷歌学术搜索
94. g . Garg Gupta,诉辛格,j·r·p·古普塔和a·p·米塔尔”识别电力线路优化小波算法去除心电信号的干扰,”印度国际会议上电力电子学报》(IICPE 10),2011年1月。视图:出版商的网站|谷歌学术搜索
95. p . e .创造g·d·克利福德l . Tarassenko和l·A·史密斯,”生成的动力学模型合成心电图信号,”IEEE生物医学工程,50卷,不。3、289 - 294年,2003页。视图:出版商的网站|谷歌学术搜索
96. p . e .创造和g·d·克利福德“ECGSYN-a现实的心电图波形发生器,”http://www.physionet.org/ physiotools / ecgsyn /。视图:谷歌学术搜索
97. K.-M。常,“心律失常心电图降噪集成经验模态分解,“传感器,10卷,不。6,6063 - 6080年,2010页。视图:出版商的网站|谷歌学术搜索
98. s . Tabakov i Iliev诉Krasteva,“在线数字滤波器和QRS探测器适用于低资源心电图监测系统,”《生物医学工程,36卷,不。11日,第1815 - 1805页,2008年。视图:出版商的网站|谷歌学术搜索
99. c·d·麦克马纳斯K.-D。Neubert e·克莱默,“心电图特征和消除交流噪声:数字滤波方法的比较,“计算机和生物医学研究,26卷,不。1,48 - 67年,1993页。视图:出版商的网站|谷歌学术搜索
100. n . Kumaravel a . Senthil k . s . bloom和n . Nithiyanandam”将心电图电源干扰消除方法与基于规则的系统,”生物医学科学仪器31卷,第120 - 115页,1995年。视图:谷歌学术搜索
101. 吴z和n . e .黄”集成经验模态分解:noise-assisted数据分析方法,”先进的自适应数据分析,1卷,不。1,1-41,2009页。视图:出版商的网站|谷歌学术搜索
102. j·林”,提高集成经验模态分解和齿轮箱故障信号处理的应用程序,“国际计算机科学杂志》上,9卷,不。6,194 - 199年,2012页。视图:谷歌学术搜索

版权

版权©2014 Dragoş-DanielŢarălungă等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。