CN112583378A - 含有基线漂移和高频噪声的光电传感信号重构方法及*** - Google Patents
含有基线漂移和高频噪声的光电传感信号重构方法及*** Download PDFInfo
- Publication number
- CN112583378A CN112583378A CN202011402239.3A CN202011402239A CN112583378A CN 112583378 A CN112583378 A CN 112583378A CN 202011402239 A CN202011402239 A CN 202011402239A CN 112583378 A CN112583378 A CN 112583378A
- Authority
- CN
- China
- Prior art keywords
- imf component
- sensing signal
- signal
- photoelectric sensing
- frequency noise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H11/00—Networks using active elements
- H03H11/02—Multiple-port networks
- H03H11/04—Frequency selective two-port networks
- H03H11/14—Frequency selective two-port networks using electro-optic devices
Landscapes
- Fire-Detection Mechanisms (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种含有基线漂移和高频噪声的光电传感信号重构方法及***,包括:对光电传感信号进行EEMD分解后得到IMF分量;对存在基线漂移的IMF分量,根据其阶数选择自适应滤波器以获取基线漂移估计值,对剩余的IMF分量获取高频噪声估计值;对光电传感信号滤除前述两类估计值后,得到重构信号。在原始光电传感信号中加入高斯噪声后进行EEMD分解,根据IMF分量阶数设计自适应低通滤波器,对含有基线漂移的IMF分量进行处理,对剩余的IMF分量处理高频噪声,得到无漂移、无噪声的重构信号,实现准确的极早期预警。
Description
技术领域
本发明涉及信号处理技术领域,特别是涉及一种含有基线漂移和高频噪声的光电传感信号重构方法及***。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
数据中心机柜等重要小空间设施独特,功能专业,一旦发生火灾,若扑救不及时会造成严重的信息中断和经济社会影响,这类场所亟需在火灾萌芽期就能预警的火灾探测预警***。国内外均已对吸气式感烟探测技术开展了研究并形成了相关产品,但是在火灾“极早期”探测预警方面基本处于空白。
火灾“极早期”是指物质从被过度加热超过其材质热分解点,到氧化燃烧并开始产生碳烟的阶段,尚无大量的烟雾粒子产生;因此需要对微量的碳烟粒子进行检测,而由此转化的电信号非常微弱,极易掺杂在噪声中无法判断。
理想状况下,在没有烟雾颗粒时,光电接收器的电压信号应该是一直不变的值,但是实际应用中发现,此电压值会随着温度变化、光线衍射、干涉的缓慢变化等产生低频的缓慢漂移,如果漂移过大,会造成误报警,因此需要合适的算法将基线漂移滤除。
此外,硅光电二极管作为光电导器件的原理是当红外入射光照射在PN结上时,光能被吸收然后转化为电能,在入射光传输到硅光电二极管的过程中,不可避免的会伴随着一些随机性的噪声,主要包括器件内部噪声和环境噪声;其中,环境噪声是光电探测器接收信号过程中出现的噪声,其干扰源来自器件外部,例如杂散光的入射、电磁干扰、光路传输介质的湍流等,这些噪声可以通过屏蔽、遮断杂光、选择滤光片等方法进行改善,但是在实际应用中发现,即使应用暗盒,这些干扰仍然无法完全消除;而内部噪声主要有散粒噪声和热噪声,均与频率无关,属于白噪声,上述所有噪声构成原信号的背景噪声。
因此,光电探测器的输出信号并不是一个无掺杂的纯净信号,而是带有低频漂移和白噪声的信号,低频漂移会造成误报警,白噪声会降低***的检测精度,都会干扰火灾“极早期”阶段的预警,故数据中心机柜“极早期”烟雾探测中存在基线漂移幅值大和背景噪声大的问题。
发明内容
为了解决上述问题,本发明提出了一种含有基线漂移和高频噪声的光电传感信号重构方法及***,在原始光电传感信号中加入高斯噪声后进行EEMD分解,根据IMF分量阶数设计自适应低通滤波器,对含有基线漂移的IMF分量进行处理,对剩余的IMF分量处理高频噪声,得到无漂移、无噪声的重构信号,实现准确的极早期预警。
为了实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供一种含有基线漂移和高频噪声的光电传感信号重构方法,包括:
对光电传感信号进行EEMD分解后得到IMF分量;
对存在基线漂移的IMF分量,根据其阶数选择自适应滤波器以获取基线漂移估计值,对剩余的IMF分量获取高频噪声估计值;
对光电传感信号滤除前述两类估计值后,得到重构信号。
第二方面,本发明提供一种含有基线漂移和高频噪声的光电传感信号重构***,包括:
分解模块,用于对光电传感信号进行EEMD分解后得到IMF分量;
计算模块,用于对存在基线漂移的IMF分量,根据其阶数选择自适应滤波器以获取基线漂移估计值,对剩余的IMF分量获取高频噪声估计值;
重构模块,用于对光电传感信号滤除前述两类估计值后,得到重构信号。
第三方面,本发明提供一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面所述的方法。
第四方面,本发明提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面所述的方法。
与现有技术相比,本发明的有益效果为:
集合经验模态分解EEMD算法是处理信号噪声比较常用的方法,目前较多的应用于图像分析处理、心电信号ECG去噪等方面,本发明将其应用于烟雾探测方面,本发明提出一种改进的EEMD分解方法,在原始信号中加入高斯噪声后进行分解,同时引入一组自适应低通滤波器,根据IMF分量阶数设计自适应低通滤波器,依次对含有基线漂移的IMF分量进行处理,对剩余的IMF分量处理高频噪声的影响,实现滤除基线漂移、降低背景噪声、提高信噪比的目的,实现准确的极早期预警。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例1提供的含有基线漂移和高频噪声的光电传感信号重构方法流程图;
图2(a)-2(n)为本发明实施例1提供的EEMD分解结果示意图;
图3(a)-3(b)为本发明实施例1提供的原始信号与分解后的信号对比示意图。
具体实施方式:
下面结合附图与实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例1
如图1所示,本实施例提供一种含有基线漂移和高频噪声的光电传感信号重构方法,包括:
S1:对光电传感信号进行EEMD分解后得到IMF分量;
S2:对存在基线漂移的IMF分量,根据其阶数选择自适应滤波器以获取基线漂移估计值,对剩余的IMF分量获取高频噪声估计值;
S3:对光电传感信号滤除前述两类估计值后,得到重构信号。
在本实施例中,为了方便且准确的计算信噪比,在原始光电传感信号中加入高斯噪声,对光电传感信号进行EEMD分解,分解成N级IMF分量和残留分量。
在本实施例中,根据光电传感信号基线漂移和高频白噪声的特点,即基线漂移分布在最后几阶IMF分量中,噪声信号主要分布在前几阶IMF分量中,而删除最后几阶IMF分量可能会造成重构信号的失真,故本实施例提出EEMD自适应滤波,引入一组自适应低通滤波器依次处理最后几阶IMF分量,获取基线漂移信号估计值,以此滤除基线漂移信号。
在本实施例中,所述步骤S2中,对于IMF分量,选择与IMF阶数自适应的低通滤波器处理基线漂移信号,将处理过后的各阶IMF分量进行重构,获取基线漂移估计值和高频噪声估计值;具体包括:
对原始光电传感信号加入白噪声后得到信号X(T),进行EEMD分解处理,X(T)分解为多个IMF分量,设为xk(t):
其中,N是IMF分量的数量;
对于存在基线漂移的M阶IMF分量,通过低通滤波器hk(t)将xk(t)由高阶处理为低阶,该低通滤波器hk(t)的输出为:
yk(t)=hk(t)*xk(t)
其中,*表示卷积,hk(t)是低通滤波器。
随着IMF阶数的降低,每个IMF分量中包含的慢振荡分量越来越少,而信号分量越来越多;因此,设计一组截止频率ωk随IMF阶数的减小而减小的自适应低通滤波器,具体为:首先从最后一阶IMF分量开始,即xN(t)分量的自适应滤波器截止频率为ωN(t),因此,第k个滤波器的截止频率为:
ωk-1=ωk*α
其中,α是0.1到0.99之间的数,k=N,…,2,1。
根据IMF各阶数分量的特性,基线幅值随着阶数的减少而逐渐减小,因此,从每个IMF分量中提取出包含低频成分的滤波器输出yk(t),计算yk的标准差std(yk)和评价系数PK作为停止准则,以确定M值:
其中,k=1,2,…n,flip代表反转函数,设置基线漂移的阈值系数ε,范围是0-0.1,如果PK<ε,则截止阶数M=N+1-k;
在本实施例中,设置ωN为10,α为0.9,ε为0.01,将M+1~N阶IMF滤波器的和作为重构基线估计。
采用阈值函数法,设置高频噪声的阈值系数为δ,采用δ与剩余IMF分量中的表示高频噪声的IMF分量相乘得到高频噪声信号估计,因此基线漂移和高频噪声的估计值总和为:
最后,从原始光电传感信号中减去基线漂移和高频噪声估计值总和,得到无漂移、无噪声的重构信号。
本实施例模拟实际火灾过程中“极早期”烟雾状态,将设备开机后预热足够时间使其充分稳定,在正常运行环境中不间断的取6000个数据点;同时,为了验证所用算法的有效性,计算信噪比,在获取6000个光电信号数据的过程中,通过标准烟箱三次加入等量的烟雾颗粒模拟实际火灾过程中“极早期”的烟雾状态。EEMD的处理结果如图2(a)-2(n)所示,原信号与处理过后的信号对比如图3(a)-3(b)所示。
采用“相关系数”计算原始信号与能反映低频漂移趋势的分解量的关系,相关系数体现变量之间线性相关程度的量,相关系数的绝对值一般在0.8以上认为A和B有强相关性;在0.3到0.8之间认为有弱相关性;在0.3以下认为没有相关性。
为了计算高频分量与原信号基线漂移趋势的贴近程度,去除有效烟雾信号的干扰,首先在原始数据中手动去除有效烟雾信号数据,只留下无烟雾信号的背景数据,采用MATLAB计算改进的EEMD方法的低频漂移分量和原始信号的关系,结果为:
r_EEMD=0.9925
采用信噪比的方法进行对比,信噪比反映信号与噪声能量的关系,一般来说,信噪比高且绝对平均误差低的方法比信噪比低且绝对平均误差高的方法好;信噪比与绝对平均误差的公式为:
SNR=10lg{∑x(t)2/∑[x(t)-x(t)']2}
采用MATLAB计算可得利用EEMD方法处理数据后的信噪比为:
SNR_EEMD=22.3986
在本实施例中,采用改进的EEMD方法,分解计入噪声信号的原始信号,信号被分解为12级IMF分量,基线漂移分布主要在最后一级IMF分量中,与原始信号的低频漂移趋势非常近似;选取合适的自适应低通滤波器对最后一级IMF进行处理,滤波器输出的结果视为基线漂移估计;高频噪声信号主要分布在前几级IMF分量中,选取合适的阈值对前几级IMF分量进行处理,获取预估的纯噪声信号;最后通过从信号中减去基线漂移估计值和纯噪声信号估计值,获得无漂移、无噪声的重构信号,更好的实现了滤除基线漂移、降低背景噪声、提高信噪比的目的。
实施例2
本实施例提供一种含有基线漂移和高频噪声的光电传感信号重构***,包括:
分解模块,用于对光电传感信号进行EEMD分解后得到IMF分量;
计算模块,用于对存在基线漂移的IMF分量,根据其阶数选择自适应滤波器以获取基线漂移估计值,对剩余的IMF分量获取高频噪声估计值;
重构模块,用于对光电传感信号滤除前述两类估计值后,得到重构信号。
此处需要说明的是,上述模块对应于实施例1中的步骤S1至S3,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为***的一部分可以在诸如一组计算机可执行指令的计算机***中执行。
在更多实施例中,还提供:
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例1中所述的方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例1中所述的方法。
实施例1中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种含有基线漂移和高频噪声的光电传感信号重构方法,其特征在于,包括:
对光电传感信号进行EEMD分解后得到IMF分量;
对存在基线漂移的IMF分量,根据其阶数选择自适应滤波器以获取基线漂移估计值,对剩余的IMF分量获取高频噪声估计值;
对光电传感信号滤除前述两类估计值后,得到重构信号。
2.如权利要求1所述的一种含有基线漂移和高频噪声的光电传感信号重构方法,其特征在于,所述自适应滤波器的截止频率随IMF分量阶数的减小而减小。
3.如权利要求1所述的一种含有基线漂移和高频噪声的光电传感信号重构方法,其特征在于,所述自适应滤波器的输出为自适应滤波器与IMF分量的卷积。
4.如权利要求3所述的一种含有基线漂移和高频噪声的光电传感信号重构方法,其特征在于,根据自适应滤波器输出标准差和基线漂移阈值系数确定IMF分量的截止阶数。
5.如权利要求1所述的一种含有基线漂移和高频噪声的光电传感信号重构方法,其特征在于,将所有存在基线漂移的IMF分量经自适应滤波器的输出的和作为基线漂移估计值。
6.如权利要求1所述的一种含有基线漂移和高频噪声的光电传感信号重构方法,其特征在于,根据高频噪声阈值系数和剩余IMF分量的乘积得到高频噪声信号估计值。
7.如权利要求1所述的一种含有基线漂移和高频噪声的光电传感信号重构方法,其特征在于,在光电传感信号中加入高斯噪声后进行EEMD分解。
8.一种含有基线漂移和高频噪声的光电传感信号重构***,其特征在于,包括:
分解模块,用于对光电传感信号进行EEMD分解后得到IMF分量;
计算模块,用于对存在基线漂移的IMF分量,根据其阶数选择自适应滤波器以获取基线漂移估计值,对剩余的IMF分量获取高频噪声估计值;
重构模块,用于对光电传感信号滤除前述两类估计值后,得到重构信号。
9.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011402239.3A CN112583378B (zh) | 2020-12-04 | 2020-12-04 | 含有基线漂移和高频噪声的光电传感信号重构方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011402239.3A CN112583378B (zh) | 2020-12-04 | 2020-12-04 | 含有基线漂移和高频噪声的光电传感信号重构方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112583378A true CN112583378A (zh) | 2021-03-30 |
CN112583378B CN112583378B (zh) | 2023-07-25 |
Family
ID=75127072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011402239.3A Active CN112583378B (zh) | 2020-12-04 | 2020-12-04 | 含有基线漂移和高频噪声的光电传感信号重构方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112583378B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113288158A (zh) * | 2021-05-27 | 2021-08-24 | 河北省科学院应用数学研究所 | 基线漂移和高频噪声的去除方法、装置和设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103091096A (zh) * | 2013-01-23 | 2013-05-08 | 北京信息科技大学 | 基于eemd和小波包变换的早期故障敏感特征提取方法 |
US20140086346A1 (en) * | 2012-09-21 | 2014-03-27 | Samsung Electronics Co., Ltd. | Method and system for removal of baseline wander and power-line interference |
CN110051325A (zh) * | 2019-03-29 | 2019-07-26 | 重庆邮电大学 | 基于小波变换及改进eemd的心电信号综合滤波方法 |
CN111396032A (zh) * | 2020-04-23 | 2020-07-10 | 西安石油大学 | 一种校正温度漂移的方法、装置及计算机存储介质 |
-
2020
- 2020-12-04 CN CN202011402239.3A patent/CN112583378B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140086346A1 (en) * | 2012-09-21 | 2014-03-27 | Samsung Electronics Co., Ltd. | Method and system for removal of baseline wander and power-line interference |
CN103091096A (zh) * | 2013-01-23 | 2013-05-08 | 北京信息科技大学 | 基于eemd和小波包变换的早期故障敏感特征提取方法 |
CN110051325A (zh) * | 2019-03-29 | 2019-07-26 | 重庆邮电大学 | 基于小波变换及改进eemd的心电信号综合滤波方法 |
CN111396032A (zh) * | 2020-04-23 | 2020-07-10 | 西安石油大学 | 一种校正温度漂移的方法、装置及计算机存储介质 |
Non-Patent Citations (2)
Title |
---|
J.JENITTA等: ""Denoising of ECG Signal based on Improved Adaptive filter with EMD and EEMD"", 《2013 IEEE CONFERENCE ON INFORMATION & COMMUNICATION TECHNOLOGIES》 * |
J.JENITTA等: ""Denoising of ECG Signal based on Improved Adaptive filter with EMD and EEMD"", 《2013 IEEE CONFERENCE ON INFORMATION & COMMUNICATION TECHNOLOGIES》, 15 July 2013 (2013-07-15), pages 957 - 962 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113288158A (zh) * | 2021-05-27 | 2021-08-24 | 河北省科学院应用数学研究所 | 基线漂移和高频噪声的去除方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112583378B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ansari et al. | Correction of highly noisy strong motion records using a modified wavelet de-noising method | |
Barten | Spatiotemporal model for the contrast sensitivity of the human eye and its temporal aspects | |
Chen et al. | Removal of power line interference from ECG signals using adaptive notch filters of sharp resolution | |
CN110967774B (zh) | 一种基于传感器阵列的磁异常检测方法 | |
CN111161171B (zh) | ***振动信号基线漂零校正和消噪方法、装置、设备及*** | |
Li et al. | An EEMD‐Based Denoising Method for Seismic Signal of High Arch Dam Combining Wavelet with Singular Spectrum Analysis | |
Wang et al. | Ensemble EMD‐based signal denoising using modified interval thresholding | |
CN112583378B (zh) | 含有基线漂移和高频噪声的光电传感信号重构方法及*** | |
CN104730580B (zh) | 地震资料异常振幅压制方法 | |
CN113721213B (zh) | 生命体检测方法、终端及存储介质 | |
Zhang et al. | An EMD-based denoising method for lidar signal | |
Kumari et al. | Estimation of intrapulse modulation parameters of LPI radar under noisy conditions | |
Zahedpour et al. | Impulsive noise cancellation based on soft decision and recursion | |
US10605663B2 (en) | Fourier domain dynamic correction method for complex optical fringes in laser spectrometers | |
CN107907542B (zh) | 一种ivmd及能量估计相结合的dspi相位滤波方法 | |
Hasiewicz et al. | Identification of non-linear characteristics of a class of block-oriented non-linear systems via Daubechies wavelet-based models | |
Ibrahim et al. | Gearbox fault features extraction using vibration measurements and novel adaptive filtering scheme | |
CN113484019A (zh) | 一种轴承的检测方法、装置及计算机可读存储介质 | |
Mourad | New two‐stage approach to ECG denoising | |
Zhang et al. | Study on the noise reduction of vehicle exhaust NOX spectra based on adaptive EEMD algorithm | |
CN113567129A (zh) | 一种列车轴承振动信号基于ceemd的降噪方法 | |
Zhao et al. | Study on Noise Reduction of Tunable Diode Laser Absorption Spectroscopy Detection Signal Based on Complete Ensemble Empirical Mode Decomposition with Adaptive Noise-Detrended Fluctuation Analysis-Wavelet Soft Threshold | |
CN118094110B (zh) | 一种电缆护层环流监测数据智能处理方法 | |
Zhou et al. | A hybrid approach to the simultaneous eliminating of power-line interference and associated ringing artifacts in electrocardiograms | |
Galvao et al. | Sub-optimal wavelet denoising of coaveraged spectra employing statistics from individual scans |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230830 Address after: 611, 613, No. 98 Shenyang Road, Weihai City, Shandong Province, 264200 Patentee after: Weihai Boster Automation Technology Co.,Ltd. Address before: 250014 No. 19, ASTRI Road, Lixia District, Shandong, Ji'nan Patentee before: INSTITUTE OF AUTOMATION, SHANDONG ACADEMY OF SCIENCES |
|
TR01 | Transfer of patent right |