许小汉
- 作品数：10 被引量：41H指数：4
- 供职机构：南京大学电子科学与工程学院更多>>
- 相关领域：医药卫生电子电信机械工程更多>>
- 用稳态──非稳态数字滤波器分离信号和背景噪声的技术被引量：4
- 1995年
- 本文介绍一种用软件编程方法实现的数字滤波器，它能够将信号和背景噪声分离，分别将它们送到显示器屏幕显示，我们应用这种滤波器处理了心电信号和背景噪声。
- 许小汉王旭高顾永前朱思明
- 关键词：信号背景噪声滤波器
- 一种基于自适应的新滤波技术被引量：6
- 1998年
- 介绍一种基于自适应的新的滤波技术，用它处理心电信号及背景噪声，可抑制噪声１２ｄＢ以上。
- 王坚许小汉
- 关键词：自适应滤波心电信号背景噪声滤波技术
- 一种在每次心跳内从体表记录HPS活动和晚电位的低噪声放大器的设计
- 1991年
- 本文介绍了在每次心跳内记录体表HPS活动和晚电位的一种低噪声放大器的设计,并给出了实验结果。
- 王旭高许小汉高国升
- 关键词：放大器
- 从体表记录连续心动周期的希—浦电位被引量：2
- 1991年
- HPS电位从体表记录时是十分微弱的,它往往被放大器的本机噪声,肌电噪声和50Hz市电及其高次谐波所干扰,在我们的研究中采用了一些新技术克服上述的干扰。用多路性能相同的放大器进行空间相关的方法获得性能良好的低噪声放大器,用改进LMS算法的自适应滤波器抑制50Hz市电及其高次谐波而保证HpS中相应频率成份不丢失,并且能进行实时处理;空间相关电极的使用,有效地抑制了肌电噪声,并使HPS电位得到增强。成功地在每个心跳周期内记录到了HPS电位。
- 许小汉王旭高高国昇朱思明张祝山黄元铸
- 关键词：心动周期
- 在每个心跳周期中检测微弱心电信号的方法被引量：1
- 2001年
- 介绍了一种微弱心电信号检测中降低肌电噪声的方法。采用神经网络对噪声进行白化预处理 ,然后用一种新方法提取掺杂在心电信号中的噪声作为自适应滤波的参考信号 ,其结果是使原始信号中的噪声得以降低 ,在晚电位检测的实验中得到了满意的结果。
- 袁杰许小汉高敦堂施广飞
- 关键词：人工神经网络白化自适应滤波晚电位心电信号
- 心电图信号放大和记录中50Hz干扰滤波的新技术——符合滤波被引量：2
- 1993年
- 介绍一种用硬、软件系统实现的滤波器,它能实时滤除ECG信号中50Hz及其高次谐波的干扰,该技术称为符合滤波。在信号处理过程中,当干扰发生变化时滤波器能跟踪这种变化,保持滤波器性能不变。
- 许小汉王旭高沈振宇朱思明
- 关键词：心电图
- 一种基于自适应的新滤波技术被引量：7
- 1999年
- 在心电信号的采集过程中，不可避免地会混入肌电噪声和各种干扰信号，为了获得含有较小噪声的ＥＣＧ信号，便于分析，需要对采集到的ＥＣＧ信号作消噪处理。目前对心电信号滤波器的设计有多种方法，自适应滤波器就是其中的一种。在自适应滤波器的实现过程中，需要一个与噪声信号相关而与原始信号无关的参考信号，这一参考信号很难从体表直接采到。本文介绍一种基于自适应的新的滤波技术，通过预测滤波器将原始信号中的信号与噪声分离从而由原始信号中直接获得参考信号，我们用它处理心电信号及背景噪声，可将噪声抑制１２ｄＢ以上。
- 王坚许小汉
- 关键词：自适应滤波心电信号噪声
- 用于后电位体表检测的双向数字滤波器汇编语言程序设计
- 1992年
- 从体表记录后电位,高通数字滤波器的振铃现象会使QRS波群后的后电位被振铃信号淹没。采用双向高通数字滤波器可以克服这一缺点。本文介绍用微处理器实现双向滤波器的原理和过程,最后结果显示了双向数字滤波器的优点。
- 许小汉于晓岚
- 关键词：体表后电位微处理器
- 基于神经网络的波型检测方法被引量：19
- 2000年
- 介绍了一种基于神经网络白化匹配滤波器的 QRS波检测方法。我们用神经网络白化匹配滤波器来处理 ECG信号的低频成分 ,模拟其非线性及非稳态的特性。处理后的信号中含有 ECG中大部分高频成分 ,让其通过一线性匹配滤波器来检测 QRS波及其位置。对于大噪声的 ECG信号 ,在匹配滤波器后加差分滤波 ,取平方及滑动平均等处理 ,提高检测正确率。使用这种方法我们对 MIT/BIH心电信号数据库中噪声比较大的 10 5号数据进行的处理 ,检测正确率为 99.2 %。作为对比 ,用数字带通滤波器检测 ,正确率为 97.8%。
- 于学鸿许小汉
- 关键词：心电信号人工神经网络
- 一种处理ECG信号中噪声的新方法被引量：6
- 2001年
- 讨论了用频域叠加平均的方法处理 ECG信号中的噪声。这种方法可以克服以往在时域中无法解决的初始定位问题 ,这就给自动处理噪声带来了可行性。这种方法最后得到的是一个完整且低噪声的 ECG周期 ,其中包含了有用的各种特征信号 。
- 袁杰许小汉
- 关键词：傅立叶变换白噪声ECG脑电图
