清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Variational Mode Extraction: A New Efficient Method to Derive Respiratory Signals from ECG

希尔伯特-黄变换 稳健性(进化) 计算机科学 算法 信号(编程语言) 信号处理 噪音(视频) 残余物 降噪 语音识别 模式识别(心理学) 人工智能 白噪声 电信 生物化学 基因 图像(数学) 化学 程序设计语言 雷达
作者
Mojtaba Nazari,Sayed Mahmoud Sakhaei
出处
期刊:IEEE Journal of Biomedical and Health Informatics [Institute of Electrical and Electronics Engineers]
卷期号:22 (4): 1059-1067 被引量:96
标识
DOI:10.1109/jbhi.2017.2734074
摘要

ECG-derived respiratory (EDR) signal is an effective and inexpensive method to monitor the respiration. Previous studies have shown that the empirical mode decomposition (EMD) techniques can satisfactorily extract the EDR signal, however, their performances are degraded at the presence of noise. On the other hand, variational mode decomposition (VMD) performs good robustness against noise. In applications such as EDR extraction, where a specific mode is in interest, VMD imposes unnecessary computational cost. In this paper, we consider the extraction of EDR as a problem of obtaining a specific mode of a signal and suggest a new method named as variational mode extraction (VME). The method is established on the similar basis as VMD, with a new criterion: The residual signal after extracting the specific mode should have no or less energy at the center frequency of the mode. In this regard, VME is capable of solving the EDR problem by considering the EDR signal as a mode with approximate center frequency of zero. For verification, the respiratory rate signal is detected from EDR signal extracted by VME and compared it with those obtained by VMD, EMD-based methods, and bandpass filtering. The results confirm that the new method can extract the EDR signal with a better accuracy, while performing much lower computational cost and higher convergence rate.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
祥子完成签到,获得积分10
30秒前
小强完成签到 ,获得积分10
36秒前
蔡勇强完成签到 ,获得积分10
49秒前
zzgpku完成签到,获得积分0
52秒前
oscar完成签到,获得积分10
1分钟前
娟儿完成签到 ,获得积分10
1分钟前
呐殇完成签到,获得积分10
1分钟前
雪蛋儿完成签到,获得积分10
1分钟前
崔宁宁完成签到 ,获得积分10
2分钟前
amar完成签到 ,获得积分10
2分钟前
guojingjing完成签到 ,获得积分20
2分钟前
刘寄奴完成签到,获得积分10
2分钟前
帅气天荷完成签到 ,获得积分10
2分钟前
龙在天涯完成签到,获得积分10
2分钟前
salty完成签到 ,获得积分10
3分钟前
秋夜临完成签到,获得积分10
3分钟前
zhilianghui0807完成签到 ,获得积分10
3分钟前
现代完成签到,获得积分10
3分钟前
苏州九龙小7完成签到 ,获得积分10
4分钟前
5分钟前
标致路灯完成签到 ,获得积分10
5分钟前
su完成签到 ,获得积分10
5分钟前
5分钟前
dd发布了新的文献求助10
5分钟前
刘玲完成签到 ,获得积分10
5分钟前
猪一号完成签到 ,获得积分10
5分钟前
胜胜糖完成签到 ,获得积分10
6分钟前
顾矜应助愉快的小鸽子采纳,获得10
6分钟前
guoguo1119完成签到 ,获得积分10
6分钟前
6分钟前
6分钟前
雪花完成签到 ,获得积分10
8分钟前
研友_Z60x5L完成签到 ,获得积分10
8分钟前
8分钟前
xiaochuan925完成签到 ,获得积分10
8分钟前
科目三应助xun采纳,获得10
8分钟前
8分钟前
英俊的铭应助xun采纳,获得10
9分钟前
大伟还是文章读少了完成签到 ,获得积分10
9分钟前
1250241652完成签到,获得积分10
9分钟前
高分求助中
The three stars each: the Astrolabes and related texts 1100
The Late Jurassic shark Palaeocarcharias (Elasmobranchii, Selachimorpha) – functional morphology of teeth, dermal cephalic lobes and phylogenetic position 500
Electronic Structure Calculations and Structure-Property Relationships on Aromatic Nitro Compounds 500
Berns Ziesemer - Maos deutscher Topagent: Wie China die Bundesrepublik eroberte 500
Stephen R. Mackinnon - Chen Hansheng: China’s Last Romantic Revolutionary (2023) 500
Psychological Warfare Operations at Lower Echelons in the Eighth Army, July 1952 – July 1953 400
宋、元、明、清时期“把/将”字句研究 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2435439
求助须知:如何正确求助?哪些是违规求助? 2116415
关于积分的说明 5371186
捐赠科研通 1844340
什么是DOI,文献DOI怎么找? 917910
版权声明 561672
科研通“疑难数据库(出版商)”最低求助积分说明 491009