在与MODWT心电图R波检测

QRS波群包含三个歪斜的心电图(ECG)波形。QRS波群反映了左、右心室去极化和是人类心电图的最突出的特征。

加载和绘制一个心电图波形的R峰QRS波群已经被两个或两个以上的心脏病专家注释。心电图数据和注释是取自MIT-BIH心律失常数据库。数据采样在360赫兹。

负载mit200ecgsig图绘制(tm)在情节(tm(安),ecgsig(安)“罗”)包含(“秒”)ylabel (“振幅”)标题(“话题- MIT-BIH 200”)

您可以使用小波来构建一个自动QRS探测器用于应用程序的rr区间估计。

有两个键使用小波作为一般特征探测器:

“sym4”小波类似于QRS波群,这使得它的一个不错选择QRS检测。为了说明这更清楚,提取QRS波群和情节结果扩张和翻译sym4小波进行比较。

qrsEx = ecgsig (4560:4810);fb = dwtfilterbank (“小波”,“sym4”,“SignalLength”元素个数(qrsEx),“水平”3);ψ=小波(神奇动物);图绘制(qrsEx)在图(2 * circshift(ψ(3:),-38年[0]),“r”)轴紧传奇(QRS波群的,“Sym4小波”)标题(Sym4小波和QRS波群的比较)举行从

使用极大重叠离散小波变换(MODWT)提高R心电图波形峰值。MODWT是抽取小波变换,处理任意的样本大小。

首先,心电图波形分解到5级使用默认sym4小波。然后,重建一个frequency-localized版本的心电图波形只使用小波系数在尺度4和5。尺度对应于以下近似频带。

这套QRS最大化显示的通频带的能量。

wt = modwt (ecgsig 5);wtrec = 0(大小(wt));wtrec (: 4:5) = wt (: 4:5);y = imodwt (wtrec,“sym4”);

使用信号的绝对值平方近似由小波系数,采用峰值查找算法来识别R峰。

如果你有信号处理工具箱™,你可以使用findpeaks来定位的山峰。情节R-peak波形获得与小波变换的带注释的自动检测峰值位置。

y = abs (y) ^ 2;(qrspeaks, loc) = findpeaks (y, tm,“MinPeakHeight”,0.35,…“MinPeakDistance”,0.150);图绘制(tm, y)在情节(loc qrspeaks,“罗”)包含(“秒”)标题(的R峰局部小波变换与自动注释)

专家注释添加到R-peak波形。自动检测峰值被认为是准确的真正的峰值(如果在150毫秒 $$\pm 75$$msec)。

情节(tm(安),y(安)“k *’)标题(的R峰局部小波变换与专家注释)

在命令行上,您可以比较的值tm(安)和loc,这是专家分别乘以和自动峰值检测。提高R峰与小波变换结果的命中率100%,无假阳性。使用小波变换的计算心率/分钟88.60次/分钟88.72次相比,带注释的波形。

如果你想工作在平方大小的原始数据,你会发现能力的小波变换隔离R峰检测问题容易得多。在原始数据时能引起曾如平方横波峰值超过了非线性波的峰值10.4秒左右。

图绘制(tm、ecgsig“k——”)举行在情节(tm, y,“r”,“线宽”,1.5)情节(tm、abs (ecgsig)。^ 2,“b”)情节(tm(安),ecgsig(安)“罗”,“markerfacecolor”甘氨胆酸,[1 0 0])集(,“xlim”10.2[12])传说(“原始数据”,“小波重建”,原始数据的平方的,…“位置”,“东南”)包含(“秒”)

使用findpeaks平方大小的原始数据在十二个假阳性结果。

(qrspeaks, loc) = findpeaks (tm ecgsig。^ 2,“MinPeakHeight”,0.35,…“MinPeakDistance”,0.150);

除了开关极性的R峰,心电图往往被噪声。

负载mit203ecgsig图绘制(tm)在情节(tm(安),ecgsig(安)“罗”)包含(“秒”)ylabel (“振幅”)标题(的主题- MIT-BIH 203专家注释”)

使用MODWT隔离R峰。使用findpeaks确定峰值位置。情节R-peak波形以及专家和自动注释。

wt = modwt (ecgsig 5);wtrec = 0(大小(wt));wtrec (: 4:5) = wt (: 4:5);y = imodwt (wtrec,“sym4”);y = abs (y) ^ 2;(qrspeaks, loc) = findpeaks (y, tm,“MinPeakHeight”,0.1,…“MinPeakDistance”,0.150);图绘制(tm, y)标题(“R-Waves局部小波变换的)举行在qrspeaks hwav =情节(loc,“罗”);hexp =情节(tm(安),y(安)“k *’);包含(“秒”)传说([hwav hexp),“自动”,“专家”,“位置”,“东北”)

再次的命中率是100%,零误报。

前面的示例使用一个非常简单的小波近似由QRS探测器基于信号modwt。目的是为了证明小波变换分离信号组件的能力,构建最健壮的wavelet-transform-based QRS探测器。这是有可能的,例如,利用小波变换这一事实提供了一个信号的多尺度分析提高峰值检测。检查4和5平方规模小波细节策划以及R高峰期注释的专家。可视化的四级细节转移。

ecgmra = modwtmra (wt);图绘制(toyota ecgmra (5:)。^ 2,“b”)举行在情节(tm ecgmra (4:)。^ 2 + 0.6,“b”甘氨胆酸)组(,“xlim”[14.3 - 25.5])timemarks = repelem (tm(安),2);N =元素个数(timemarks);markerlines =重塑(repmat ([0, 1], 1, N / 2), N, 1);h =茎(timemarks markerlines,“k——”);h。标志=“没有”;集(gca),“ytick”[0.1 - 0.6]);集(gca),“yticklabels”,{“D5”,“D4”})包含(“秒”)标题(“平方级4和5的细节”)

你看到山峰的4级和5级细节往往同时发生。更先进的小波peak-finding算法可以利用这个同时使用来自多个尺度的信息。

时变小波相干分析大脑动力学

傅氏域一致性是一种行之有效的技术用于测量线性相关性两个固定流程作为频率的函数在一个范围从0到1。因为小波提供了本地信息数据在时间和规模(频率),小波相干性允许您测量时变相关性作为频率的函数。换句话说,一个相干测量适合非平稳过程。

为了说明这一点,研究近红外光谱(NIRS)获得的数据在两个人体。NIRS措施大脑活动利用不同吸收特性的含氧和缺氧血红蛋白。数据是取自崔,科比,瑞斯(2012),并请提供作者对于这个示例。记录网站上额叶皮层的科目。数据采样10赫兹。

在实验中,受试者或者合作和竞争的任务。的任务是七秒。

负载NIRSData图绘制(tm, [NIRSData (: 1) NIRSData(:, 2)])传说(“主题1”,《主题2》,“位置”,“西北”)包含(“秒”)标题(“技术数据”网格)在

研究时域数据,目前尚不清楚什么是振荡出现在单个时间序列,或者振动是常见的两个数据集。用小波分析来回答这两个问题。

类(NIRSData (: 1) 10,“撞”)

图类(NIRSData(:, 2), 10日“撞”)

类分析揭示强调频振荡在两种数据集1 Hz左右。这些都是由于心脏周期的两个主题。此外,似乎有一个较弱的振动在两个数据集在0.15赫兹。这种活动是更强大和更稳定的主题1比2。小波相干性可以提高检测的弱振荡共同出现在两个时间序列。

[wcoh ~ F] = wcoherence (NIRSData (: 1), NIRSData (:, 2), 10);图冲浪(tm、F、abs (wcoh)。^ 2);视图(0,90)阴影插值函数轴紧hc = colorbar;hc.Label。字符串=“一致性”;标题(“小波相干”)包含(“秒”)ylabel (“赫兹”2.5)ylim([0])集(gca),“ytick”(0.15 - 1.2 2))

在小波相干性,有很强的相关性约0.15赫兹。这是在相对应的频带实验任务,代表任务相关的大脑活动在这两个科目的振荡。把时间标记标明两个任务时期情节。任务之间的时间是休息时间。

taskbd = (245 1702 2065 3474);tvec = repelem (tm (taskbd), 2);yvec = max (F) [0];yvec =重塑(repmat (yvec 1 4), 8日,1);持有在stemPlot =茎(tvec yvec,“w——”,“线宽”2);stemPlot。标志=“没有”;

这个示例使用类获得和情节个人NIRS时间序列的时频分析。这个例子也用wcoherence获得两个时间序列的小波相干。使用小波相干常常使您能够检测相干振荡行为在两个时间序列可能在每个系列相当薄弱。咨询崔,科比,瑞斯(2012)详细wavelet-coherence分析这些数据。

耳声发射数据的时频分析类

耳声排放(声发射)窄带振荡信号发出的耳蜗(内耳)和他们的存在是正常听力的象征。一些例子探索数据加载和阴谋。在20千赫采样的数据。

负载dpoae图绘制(t。* 1000, dpoaets)包含(的毫秒)ylabel (“振幅”)

排放被刺激诱发开始25毫秒和结束在175毫秒。根据实验参数,发射频率应该是1230赫兹。获得和情节CWT作为时间的函数和频率。使用默认分析莫尔斯波16每八度的声音。使用辅助函数helperCWTTimeFreqPlot情节类。辅助函数在同一文件夹这个例子。

[dpoaeCWT f] = cwt (dpoaets 2 e4,“VoicesPerOctave”16);helperCWTTimeFreqPlot (dpoaeCWT t。* 1000 f,…“冲浪”,rocky探索的,的毫秒,“赫兹”)

你可以调查的时间演化,探索通过变换系数接近1230赫兹的频率和检查他们的大小作为时间的函数。情节大小随着时间的开始和结束标记指定唤起刺激。

[~,idx1230] = min (abs (f - 1230));cfsOAE = dpoaeCWT (idx1230:);情节(t。* 1000、abs (cfsOAE))在甘氨胆酸AX =;情节(25 [25],[AX.YLim (1) AX.YLim (2)),“r”)图(175年[175],[AX.YLim (1) AX.YLim (2)),“r”)包含(“msec”)标题(rocky系数大小的)

有一些推迟发病之间的唤起刺激和探索。一旦唤起刺激终止,探索在数量级上立即开始腐烂。

隔离发射的另一种方法是使用逆CWT重建在时域frequency-localized近似值。

构造一个近似frequency-localized排放提取相对应的变换系数频率在1150和1350赫兹之间。使用这些系数和反变换。画出原始数据重建和标记指示唤起刺激的开始和结束。

翼缘= (1150 - 1350);xrec = icwt (dpoaeCWT, [], f,纤毛刷);图绘制(t。* 1000, dpoaets)在xrec情节(t。* 1000年,“r”甘氨胆酸)AX =;ylimits = AX.YLim;ylimits情节(25 [25],“k”)情节(ylimits (175 175),“k”网格)在包含(的毫秒)ylabel (“振幅”)标题(“发射Frequency-Localized重建”)

在时域数据,您清楚地看到如何排放坡道,在应用程序和终止唤起的刺激。

重要的是要注意,即使选择的频率范围的重建,分析小波变换编码的具体频率发射。为了说明这一点,进行傅里叶变换的排放近似重建分析类。

xdft = fft (xrec);频率= 0:2e4 /元素个数(xrec): 1 e4;xdft = xdft(1:元素个数(xrec) / 2 + 1);图绘制(频率、abs (xdft))包含(“赫兹”)ylabel (“级”)标题(“CWT-Based信号的傅里叶变换近似”)

[~,maxidx] = max (abs (xdft));流(的频率是f % 4.2 Hz \ n”频率(maxidx))

频率是1230.00赫兹

这个示例使用类获得的时频分析和探索数据icwt获得frequency-localized近似信号。

引用

崔,X。,Bryant, D.M., and Reiss. A.L. "NIRS-Based hyperscanning reveals increased interpersonal coherence in superior frontal cortex during cooperation", Neuroimage, 59(3), 2430-2437, 2012.

Goldberger AL、Amaral局域网、玻璃L,豪斯多夫JM,伊万诺夫PCh,马克RG Mietus我,穆迪GB,彭ck,斯坦利。“PhysioBank PhysioToolkit和生理网:组件的一个新的研究资源对于复杂的生理信号。”Circulation 101(23):e215-e220, 2000.http://circ.ahajournals.org/cgi/content/full/101/23/e215

Mallat, S。“信号处理的小波之旅:稀疏的方式”,学术出版社,2009年。

喜怒无常、G.B.“评估心电图分析”。http://www.physionet.org/physiotools/wfdb/doc/wag-src/eval0.tex

穆迪GB,马克RG。“MIT-BIH心律失常数据库的影响”。IEEE Eng in Med and Biol 20(3):45-50 (May-June 2001).