小波变换和AR模型在脑电信号处理中的应用

谈论了基于小波变换和AR模型的(EEG)信号的分析方法,在两种方法相结合的情况下,能有效消去(EEG)信号的噪声。用小波变换对含有瞬态干扰的脑电信号进行多尺度分解,在某些尺度下,瞬态信号特征得以明显增强,用简单的阈值比较就可以有效地检测并消除瞬态干扰。最后在Matlab环境下进行仿真实验,验证了此方法在提取脑电信号中的有效性。     

基于小波变换的脑电信号噪声消除方法

本文探讨了基于正交小波变换的脑电（ＥＥＧ）信号分析方法,并利用小波变换对脑电中瞬态脉冲干扰进行检测和消除。实验结果表明,在对脑电信号进行分析和处理方面,小波变换较之传统傅立叶变换方法具有明显的优点。     

EEG信号中癫痫棘波的小波变换检测

基于小波变换良好的时频局部化特性,研究了一种利用连续小波变换提取脑电信号中的癫痫棘波的方法,实验结果表明这种方法能够方便而有效地对脑电信号中的癫痫棘波进行检测。     

基于小波的模拟自然阅读事件相关电位的单次提取

选择合适的信号处理方法从脑电信号中提取用户的信息和命令,是改进脑计算机接口通讯速率的方法之一.由于自发脑电信号(electroencephalograph,EEG)是非高斯有色噪声,且自发脑电信号的频谱不规则、与有效信号的频谱相重叠,传统的滤波方法难以取得较好的效果.基于白噪声与有效信号的小波变换模极大值在不同尺度下的传播行为不一样的原则,本文提出了一个基于自回归模型和小波变换多尺度分析的模拟自然阅读事件相关电位的单次提取方法.经对实际脑电信号处理的实验表明,该算法能较好的提取脑电信号.     

在线脑机接口中脑电信号的特征提取与分类方法

在脑机接口研究中,针对运动想象脑电信号的特征抽取,提出了一种基于离散小波变换和AR模型的方法.利用Daubechies类小波函数对脑电信号进行3层分解,抽取小波变换系数的统计特征;利用Burg算法提取脑电信号6阶AR模型系数.将这两类特征进行组合后使用神经网络、支持向量机、马氏距离线性判别进行分类并比较分析.采用BCI...     

基于DSP Builder的脑电信号小波处理

针对脑电信号非平稳性特点,利用小波变换对采集到的脑电信号进行滤波处理。然而小波变换巨大的计算量限制其在高速实时信号处理领域的应用,FPGA器件兼具并／串行工作方式,具有较高的并行计算能力,在现场数字信号处理领域具有较强的实时性。提出基于FPGA的小波变换系统设计方法,首先利用DB2小波对脑电信号按Mallat算法进行分解,然后采用小波重构算法去噪。试验结果表明,运用小波分解重构算法,可以对脑电信号进行实时滤波。     

基于AR模型的小波变换在脑电信号消噪中的应用

提出了基于自回归模型(ARM)与小波变换的脑电信号分析方法,并利用他来消除脑电信号中的噪声干扰。小波变换是一种多分辨率的时间尺度分析方法,他能够将信号划分为不同频段的子带信号。根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果。利用小波变换能有效去除脑电信号中的噪声干扰。     

基于DSP Builder的脑电信号小波处理

针对脑电信号非平稳性特点,利用小波变换对采集到的脑电信号进行滤波处理.然而小波变换巨大的计算量限制其在高速实时信号处理领域的应用,FPGA器件兼具并/串行工作方式,具有较高的并行计算能力,在现场数字信号处理领域具有较强的实时性.提出基于FPGA的小波变换系统设计方法,首先利用DB2小波对脑电信号按Mallat算法进行分解,然后采用小波重构算法去噪.试验结果表明,运用小波分解重构算法,可以对脑电信号进行实时滤波.     

基于小波包融合微分熵的运动想象脑电信号处理

针对脑电信号特征提取导致有效信息丢失的问题,提出了一种基于小波包融合微分熵提取脑电信号特征的方法,可以充分提取脑电信号的有效信息。首先对脑电信号进行小波包分解,选取与运动想象相关的频率进行重构,得到脑电信号的时频信息;考虑到脑电信号的非线性特征,提取脑电信号微分熵特征。实验在脑电大赛数据集上进行验证,在不同分类器上分类准确率分别达到了88%和91%,结果表明小波包融合微分熵的脑电信号处理方法准确率明显提高。     

小波变换与自适应滤波在脑电信号消噪中的应用

提出了基于AR(自回归)模型的小波变换与LMS(最小均方)自适应滤波相结合的脑电信号分析方法,并利用它来消除脑电信号中的噪声干扰。实验结果表明,利用小波变换与自适应滤波相结合能有效去除脑电信号中的噪声干扰。     

基于DIVA模型的脑电信号去噪方法研究

脑电信号获取过程中,工频噪声干扰现象往往会使所获取的信息产生多种多形态瞬时结构波形,这种现象影响到DIVA(Directions Into Velocities of Articulators)模型对语音的正常处理.为此,本文提出了一种面向特征提取的脑电信号结构自适应稀疏分解模型,并在此基础上,通过采用匹配追踪算法求解最佳原子、使用过完备原子库中原子表示原始脑电信号等方法,实现了信号去噪的目的,效果好于传统的小波变换去噪方法.仿真实验表明,本文提出的方法提高了DIVA模型语音发音的精度.     

成形QAM信号的小波特性和尺度选取问题研究

对经均方根升余弦脉冲成形的QAM信号的小波特性进行了推导,主要包括QAM信号的瞬时包络和瞬时相位,并通过仿真将得到的结果与传统的基于Hilbert变换的提取方法进行了比较。同时从改善信号信噪比的角度,对小波变换最佳尺度选择问题进行了详细的研究,得出了利用最佳尺度下小波变换提取QAM信号瞬时包络和瞬时相位的一种算法,并通过仿真验证了算法的可行性。     

基于NGST和MODWT的联合初至波到时提取算法

针对传统小波变换模极大值法提取初至波到时存在误判率高、提取精度低的问题,提出了一种基于NGST和MODWT联合提取初至波到时的算法。该方法通过极大重叠离散小波变换解决了塔式算法中因下采样引起的选择起点的灵敏性问题,采用广义S变换现在瞬时极化窗。试验结果表明,与小波变换模极大值相比,基于NGST和MODWT的联合提取初至波到时的算法,误判率低、提取精度高,在地下震源定位、微震监测领域将具有良好的应用价值。     

基于小波变换的MSK信号码速率盲估计

针对最小频移键控调制信号的码速率估计问题,提出一种基于Haar小波变换的MSK信号码速率盲估计方法。首先对接收信号作傅里叶变换得到信号频谱,对频谱频点分析粗估计信号的码速率,接着通过粗估计的码速率选取短时傅里叶变换窗函数长度和3个小波尺度,利用短时傅里叶变换得到信号瞬时频率变化,再利用小波的边缘检测特性对信号瞬时频率序列相位跳变点检测,最后对检测结果作频谱分析,估计频率得到MSK信号的码速率。仿真结果表明,高于信噪比门限时本算法可以对MSK信号码速率有效估计。     

Detection the Character Wave in Epileptic EEG by Wavelet

Electro encephalography (EEG) is an important clinical tool in theoretical study, diagnosis and treatment of several neurological disorders such as epilepsy and sleeping disorders. For the most part, human epilepsy is the intrinsic brain pathology. Its major manifestation in the epileptic seizure, which may involve a discrete part of the brain partial or the whole cerebral mass generalized. Ictal EEG is characterized by repetitive high-amplitude activity, either fast spikes, slow waves, or s…     

基于Hilbert-Huang变换的思维脑电分类技术研究

研究基于Hilbert-Huang变换的思维脑电分类方法.对思维脑电信号进行Hilbert-Huang时频预处理,经经验模式分解后,得到多阶固有模态分量.然后将经HHT变换后的时频窗口内的振幅标准差作为不同心理作业信号特征,再应用K-近邻对思维脑电信号进行分类决策.通过对Colorado州立大学EEG研究中心的三类思维脑电心理作业样本进行分类,平均正确率达到82.54%.经Hilbert-Huang变换得到的脑电信号特征,可以作为思维脑电分类的有效依据.