《表1 小波分解各尺度频率》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于自适应向量机检测睡眠呼吸暂停综合征的最优特征组合筛选》
本文采用小波分解算法,由于噪声和特征波信号分布频率范围不同,利用小波变换对含有噪声的ECG信号进行分解,使得噪声和有用信号分离到不同的尺度上[11],见表1。由于信号经过小波变换分解后,工频干扰和肌电干扰主要集中分布在前三层的小波系数中,有用信号对应的小波系数的幅值较大,而噪声干扰所对应的小波系数的幅值一般较小,则可以利用某一阈值使得有用信号的小波系数保留下来,幅值较小的小波系数被置零,就可以滤除工频干扰和肌电干扰[12]。而基线偏移噪声频率很低,且其能量主要集中在1 Hz以下,主要分布在表1中的第6层近似系数中,将其置零,重构即可去除基线漂移[13]。
图表编号 | XD0061460800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.25 |
作者 | 王新康、刘磊、王量弘、樊明辉 |
绘制单位 | 福建省立医院心电诊断科、福州大学物理与信息工程学院、福州大学物理与信息工程学院、福州大学物理与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |