信号处理
文章平均质量分 74
心音肠鸣音
今天也要好好加油呀
这个作者很懒,什么都没留下…
展开
-
【信号处理】心音肠鸣音
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档。原创 2023-09-07 02:03:08 · 211 阅读 · 0 评论 -
【信号处理】基础
信息熵确实傻子都能看懂,比如我信息熵用于表示随机变量不确定性,即信息熵越大则变量的不确定性越大,即包含的信息量越大相对熵相对熵又成为KL散度、KL距离,常常在图像和音频中描述两个分布的差距。用于描述q(x)对于p(x)的拟合程度、如果两个分布差异越大,那么相对熵越大如果当预测的q(x)和真实p(x)完全相同,那么KL散度的值为0KL散度有个致命的问题,那就是当两个分布差距过于大的时候,此时KL散度没有意义了,因为太大了。原创 2023-09-07 02:02:51 · 37 阅读 · 0 评论 -
【信号处理】基础知识——傅里叶变换
复指数e^jwt到底是啥动态可视图谐波是指电流中所含有的频率为基波的整数倍的电量,一般是指对周期性的非正弦电量进行傅立叶级数分解,除了基波频率的电量,其余大于基波频率的电流产生的电量,称为谐波。相位差则是时间差在一个周期中所占的比例。我们将时间差除周期再乘2Pi,就得到了相位差。三角函数正交基——周期2Π的信号傅里叶级数表示——周期T的傅里叶级数表示三角函数是正交基大神版链接奉上T趋于无穷线性时不变系统的作用就是通过乘以相应频率点上的频率响应值来逐个改变输入信号的每一个傅里叶系数。即,y[n]的第k原创 2023-09-03 01:06:35 · 626 阅读 · 0 评论 -
信号处理MATLAB——自适应滤波
维纳滤波是最小均方误差(MMSE)准则下的线性滤波,它在已知信号和噪声的相干函数或功率谱的情况下,通过求解维纳-霍普夫(Wiener-Hopf)方程,对平稳信号进行最优预测和滤波。如果利用信号相关的瞬时值来估计梯度矢量,即可得到最常用的最小均方(LMS)算法。LMS算法的优点是比较简单,能达到满意的性能,但收敛速度慢,对输人信号相关矩阵的特征值分散度敏感。从LMS算法的原理容易看出,在非平稳环境下,只有当输入信号变化比LMS算法学习速度慢时,才能进行自适应跟踪,所以LMS算法一般适用于平稳信号环境。原创 2023-08-19 19:14:50 · 122 阅读 · 0 评论 -
【肠鸣音】研究背景和原理
通过用电子听诊器手机记录肠鸣音,通过滤波和降噪处理后。分析肠鸣音的频域和时域,客观定量的分析肠鸣音的特点。通过频谱分析,自适应滤波,小波变换,主成分分析等信号处理方法对肠鸣音进行自动提取和特征分析。由于肠鸣音随机性强,人为听诊客观性和准确性较差,临床医生对异常肠鸣音的漏检率达36%。原创 2023-07-31 15:46:55 · 90 阅读 · 1 评论 -
【肠鸣音】特征提取
瞬时特征本身的识别意义较低,无法通过瞬时特征对信号的类型进行直接判断,是一种比较低级的特征。但是通过多种瞬时特征的组合可以构成高级的信号特征以更好地表现信号的特性。在此基础上,又引入了倒谱特征,包括线性预测倒谱系数和美尔频率倒谱系数等,实现复杂肠鸣音信号特征的提取。倒谱可以将频谱上的高低频率分开, 目前语音识别领域常用的重要特征有线性预测倒谱系数 LPCC 和美尔频率倒谱系数 MFCC。谱形状特征表征的是肠鸣音在很短时刻的静态特征。(3) 波形指标, 表示信号的波形特征,其敏感性较差,但是稳定性较好。原创 2023-08-04 20:32:28 · 50 阅读 · 0 评论 -
Kringing插值原理与工具箱使用
用空间上所有已知点数据加权求和来估计未知点的值。但权重系数并非反距离插值那种取距离的倒数,而是满足某点处估计值 z’ 与真实值 z 的差最小的最优系数。普通克里金插值法假设空间属性均一。空间任意一点(x,y)都有同样的期望c和方差d。空间相似度 d 由欧氏距离表达。空间相似度与半方差rij有函数关系。由已知数据观测点找最优拟合曲线的函数关系,再用于查找预测。转为带约束条件的最优化问题。求解一个半方差函数。原创 2023-07-26 21:31:43 · 830 阅读 · 1 评论 -
信号处理——降噪滤波:自适应滤波器
通过维纳滤波所求解的维纳解,必须在已知输入信号与期望信号的先验统计信息,以及再对输入信号的自相关矩阵进行求逆运算的情况下才能得以确定。所以,又借助于最速下降算法,以递归的方式来逼近这个维纳解,从而避免了矩阵求逆运算,但仍然需要信号的先验信息,故而再使用瞬时误差的平方来代替均方误差,从而最终得出了LMS算法。自适应滤波,就是利用前一时刻以获得的滤波器参数的结果,自动的调节现时刻的滤波器参数,以适应信号和噪声未知的或随时间变化的统计特性,从而实现最优滤波。误差信号的最小均方值就是肠鸣音信号的最优估计。原创 2023-08-04 19:23:58 · 983 阅读 · 0 评论