基于有限新息率采样的医学信号恢复算法研究

《基于有限新息率采样的医学信号恢复算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于有限新息率采样的医学信号恢复算法研究THESTUDYOFMEDICALSIGNALRECOVERYBASEDONTHETHEORYOFFINITERATEOFINNOVATION王世龙哈尔滨工业大学2016年6月国内图书分类号：TN911.7学校代码：10213国际图书分类号：621.397密级：公开工学硕士学位论文基于有限新息率采样的医学信号恢复算法研究硕士研究生：王世龙导师：郭庆教授申请学位：工学硕士学科：信息与通信工程所在单位：电子与信息工程学院答辩日期：2016年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TN

2、911.7U.D.C:621.397DissertationfortheMasterDegreeinAcademicTHESTUDYOFMEDICALSIGNALRECOVERYBASEDONTHETHEORYOFFINITERATEOFINNOVATIONCandidate:WangShilongSupervisor:Prof.GuoQingAcademicDegreeAppliedfor:MasterofAcademicSpeciality:InformationandCommunicationEngineeringAffiliation:Schoo

3、lofElectronicsandDateofDefence:InformationEngineeringDegree-Conferring-Institution:June，2016HarbinInstituteoftechnology哈尔滨工业大学工学硕士学位论文摘要有限新息率信号是在单位时间内由有限个参数描述的信号。利用有限信息率信号的稀疏特性，可以用远低于奈奎斯特采样率的频率实现高效采样，并完美的恢复信号。本论文围绕着如何使用有限新息率理论来处理医学信号展开。心电信号和PET/CT信号具有稀疏特性，利用有限新息率理论处理这些医学信号，在保证信号恢

4、复精度的前提下，大大提高了采样效率。首先，本文将有限信息率理论与时频域综合分析算法相结合。在深入研究有限新息率理论的采样和恢复过程后，比较了有限新息率理论中几种常见的去噪算法。在经典的有限新息率理论的基础上，本文将有限新息率理论与时频域综合分析算法相结合，可以将有限新息率理论从处理离散的信号推广到处理连续的信号，大大的扩展有限新息率理论所能处理信号的范畴，为利用有限新息率理论处理心电信号和PET/CT信号提供理论基础。其次，本文将有限新息率理论与自适应采样恢复算法相结合，应用于心电信号的处理和分析中。这种算法利用心电信号的稀疏性，根据具体的应用场景对精度

5、的要求，灵活的确定采样的点数。基于有限新息率的自适应采样恢复算法的采样效率远远高于奈奎斯特采样的效率。最后，本文将有限新息率理论与压缩感知理论相结合，利用有限新息率理论与压缩感知理论相结合的方式，采样效率可提升50%，但同时会造成恢复图像精度的降低。本文将有限新息率理论与连续矩估计相结合，应用于图像配准中。这种算法可以通过离散的图像采样点信息求出连续矩量，应用在图像配准中能获得更好的恢复精度。通过仿真实验，验证了在恢复图像的峰值功率比方面，将有限新息率理论与矩估计相结合的算法比经典算法高2.34dB。关键词：有限新息率；医学信号；心电信号；PET/CT；

6、图像配准-I-哈尔滨工业大学工学硕士学位论文AbstractThefiniterateofinnovationsignalisthesignalthatcanbedefinedbyfinitenumberofparametersinunittime.Takingadvantageofsparsefeature,ThefiniterateofinnovationsignalscanbesampledatratemuchlowerthanNyquistsamplingrate.Thispaperfocusesonhowtousethefiniterateof

7、innovationtheorytodealwiththemedicalsignal.WemainlystudiestheECGsignalasonedimensionalmedicalsignal,andPET/CTmedicalimagesignalastwo-dimensionalmedicalsignal.Byusingfiniterateofinnovationtheory,wecannotonlyimprovetheefficiencyofsampling,butalsocanensurerecoveryprecisionofthemedic

8、alsignals.Firstofall,thispaperdeeplystud