导读:本文包含了波自动识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:自动识别,算法,分解,地震波,蜂群,特征,基线。
波自动识别论文文献综述
冯红武,颜文华,张炜超,王建昌[1]（2018）在《地震P波和S波自动识别方法的研究与应用》一文中研究指出针对地震波信号的变化特征,将地震波信号的瞬时振幅和瞬时频率作为基本参量,构建了识别P波和S波的STA/LTA方法的新特征函数,提出了基于新特征函数的STA/LTA和VAR-AIC多步骤捡拾P波和S波方法。用该方法对流动地震台阵记录的地震P波和S波进行离线自动拾取,并与人工捡拾的结果比较,结果表明该方法对P波和S波识别都具有较好的效果,但P波的识别精度要高于S波的。(本文来源于《防灾科技学院学报》期刊2018年04期）
毋凡铭,李灯熬,赵菊敏[2]（2019）在《基于线性与非线性特征融合的J波自动识别》一文中研究指出临床研究表明,J波可作为一些心脏疾病的高危预警指标。针对当前医生诊断J波仅通过经验进行识别,易造成误诊的问题,从信号处理角度,提出了一种J波自动识别方法。通过提取心电数据极点对称模态分解后的能量特征与高阶累计量特征,融合线性与非线性特征,并采用主成分分析进行特征降维,最后利用人工蜂群算法优化后的支持向量机进行分类,实现J波的自动识别。对比实验结果,提出的方法平均准确率为97. 3%,可有效地识别J波。(本文来源于《计算机应用研究》期刊2019年08期）
王贺贺[3]（2018）在《用于房颤辅助诊断的心电P波自动识别研究》一文中研究指出房颤(Atrial Fibrillation,AF)是常见的心脏临床疾病,是一种危险性较高的心律失常疾病,极易引发多种创伤型并发症。因此其识别成为改善患者生存状态的主要手段。由于房颤具有隐蔽性,短时心电图(Electrocardiogram,ECG)很难发现,而长时心电图在长达几天的数据中准确寻找几秒、几十秒的房颤数据是研究的难点和热点。在房颤诊断和房颤监测中,房颤的自动识别对临床治疗是极其重要的。房颤的自动识别不仅可以给予心脏病专家做出准确、可靠的诊断结果提供重要的信息,而且也可以为个体随检者提供及时有效的建议。房颤识别的重要特征之一是判断心电信号中P波是否存在,本文提出了一种基于高斯模型的P波自动识别方法,以解决房颤的识别。本文按照P波形态分叁类建立了不同的P波识别通用高斯模型,过程包括建立一个包含圆滑型P波、尖耸型P波以及双峰型P波叁种类型的P波模型组,提取特征数据并利用高斯混合模型(Gaussian Mixture Model,GMM)训练成P波高斯模型组。然后利用马氏距离(Mahalanobis Distance,MD)训练相应的阈值范围。本文选取MIT-BIH Atrial Fibrillation Database作为实验数据,实验结果表明圆滑P波、尖耸P波、双峰P波以及直线型数据的识别正确率分别为80.50%、84.36%、67%和100%。由于心电信号是微弱信号,受环境影响很大,本文提出的P波识别机制会出现伪P波现象,影响房颤的诊断,为此,本文又提出了基于BP神经网络伪P波判别策略。将真P波数据和伪P波数据作为正反例,训练BP神经网络。实验数据来自MIT-BIH Atrial Fibrillation Database,实验结果表明伪P波识别别正确率为96.72%。(本文来源于《天津理工大学》期刊2018-02-01）
李灯熬,白雁飞,赵菊敏[4]（2016）在《基于隐马尔科夫模型的J波自动识别检测》一文中研究指出J波检测在临床上可以作为判定某些心脏病的一种非创性的标记手段。主要定义了5个精确反映J波特性的特征向量,包括3个时域特征向量和两个基于小波的特征向量,并使用主成分分析减少特征向量的维数,作为分类器的输入。利用这些特征向量训练隐马尔可夫模型作为分类器,输出最终的判定结果。结果表明,提出的方法提供了93.8%的平均准确度、94.2%的平均敏感性、93.3%的平均特异性和93.4%的平均阳性预测值,揭示了很高的评价标准,表明该方法有能力准确地检测识别J波,并且可以利用该方法检测心电图中的其他病变波形。(本文来源于《电子技术应用》期刊2016年11期）
龙锋,韩立波,赵敏[5]（2016）在《P波自动识别算法及其在四川地震台网中的应用》一文中研究指出采用了叁种P波自动识别算法对四川地区单台记录的单个地震事件和连续波形进行了测试,结果表明:(1)STA/LTA算法简单高效,无论单个地震事件还是连续波形都能对P波到时有较好的识别效果,但需要挑选时窗长度及阈值以权衡虚报率和漏报率;(2)MER和AIC算法对单个地震P波到时识别精度高,但无法从连续波形中识别单个地震事件;(3)无论哪种方法都无法做到不经过任何其他处理而直接从单一算法中获得准确的S波到时数据;(4)利用多台P波震相的自动识别数据,完全可以实现地震的自动定位。(本文来源于《四川地震》期刊2016年02期）
杨琳,王薇薇,宋娟,吴广辉,张松[6]（2013）在《指脉脉搏波自动识别及自动采集控制方法》一文中研究指出提出一种指脉脉搏波自动识别及采集自动控制方法.以手指伸入传感器后脉搏波采样值的变化自动启动采集;通过对采集信号的模拟和数字滤波以及基线漂移的滤除,得到有效的脉搏波波形;利用差分阈值法提取脉搏波的起始点得到单个的脉搏波;依据单个脉搏波的异常类型对脉搏波进行自动识别;当连续3屏的脉搏波特征参数平均值绝对误差小于0.005时,自动停止脉搏波采集.实际测量实验表明:该方法能对脉搏波有效性进行判断和对脉搏波检测进行自动控制,可应用在指脉脉搏波检测中.(本文来源于《北京工业大学学报》期刊2013年08期）
徐钰,周严[7]（2011）在《窦房结电图中P前波自动识别技术的研究》一文中研究指出对基于小波变换的P前波的自动识别技术进行了探索性研究,介绍了窦房结电图的基线漂移抑制技术、A波定位技术及基于此的P前波自动识别技术。对实际采集的人体窦房结电图信号的P前波识别的结果表明,基于该技术的识别方法可行,识别正确率为76%。(本文来源于《电子技术应用》期刊2011年11期）
张垒[8]（2010）在《基于神经网络的睡眠脑电病理波自动识别系统研究》一文中研究指出为了能在睡眠脑电波中有效地识别出特征病理波,将研究一种针对睡眠脑电波识别的神经网络模型,并通过实验数据来证明该模型的有效性。(本文来源于《软件导刊》期刊2010年06期）
胡东亮,杨迎春,范菊红[9]（2006）在《基于MUSIC算法的罗兰C接收机天地波自动识别方法研究》一文中研究指出针对常规罗兰C接收机天地波识别方法不能有效利用信号能量的缺点,根据天波到来时间的估计与合成信号频率的分离相似的特点,提出了一种基于多信号分类算法估计天波延迟的方法.该方法在低信噪比条件下可分离出地波和天波,并能根据天波的延迟变化实时地选择接收机采样基准点的最佳位置.计算机仿真结果表明,该方法可以用于天地波的自动识别,能增加基准点处的信噪比,因而能显着提高罗兰C接收机的性能.(本文来源于《海军工程大学学报》期刊2006年03期）
杨志华,齐东旭[10]（2005）在《一种基于EMD的睡眠脑电图梭形波自动识别方法》一文中研究指出提出了一种基于EMD分解的睡眠脑电图梭形波自动识别方法.通过对EEG信号作EMD分解,得到具有很好时频特征的Hilbert谱,对Hilbert谱进行分析处理,可以自动识别梭形波出现的准确时间和持续时间.结果显示,识别准确率高达95 .6% .(本文来源于《北方工业大学学报》期刊2005年01期）
波自动识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
临床研究表明,J波可作为一些心脏疾病的高危预警指标。针对当前医生诊断J波仅通过经验进行识别,易造成误诊的问题,从信号处理角度,提出了一种J波自动识别方法。通过提取心电数据极点对称模态分解后的能量特征与高阶累计量特征,融合线性与非线性特征,并采用主成分分析进行特征降维,最后利用人工蜂群算法优化后的支持向量机进行分类,实现J波的自动识别。对比实验结果,提出的方法平均准确率为97. 3%,可有效地识别J波。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
波自动识别论文参考文献
[1].冯红武,颜文华,张炜超,王建昌.地震P波和S波自动识别方法的研究与应用[J].防灾科技学院学报.2018
[2].毋凡铭,李灯熬,赵菊敏.基于线性与非线性特征融合的J波自动识别[J].计算机应用研究.2019
[3].王贺贺.用于房颤辅助诊断的心电P波自动识别研究[D].天津理工大学.2018
[4].李灯熬,白雁飞,赵菊敏.基于隐马尔科夫模型的J波自动识别检测[J].电子技术应用.2016
[5].龙锋,韩立波,赵敏.P波自动识别算法及其在四川地震台网中的应用[J].四川地震.2016
[6].杨琳,王薇薇,宋娟,吴广辉,张松.指脉脉搏波自动识别及自动采集控制方法[J].北京工业大学学报.2013
[7].徐钰,周严.窦房结电图中P前波自动识别技术的研究[J].电子技术应用.2011
[8].张垒.基于神经网络的睡眠脑电病理波自动识别系统研究[J].软件导刊.2010
[9].胡东亮,杨迎春,范菊红.基于MUSIC算法的罗兰C接收机天地波自动识别方法研究[J].海军工程大学学报.2006
[10].杨志华,齐东旭.一种基于EMD的睡眠脑电图梭形波自动识别方法[J].北方工业大学学报.2005