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.     

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。     

脑电信号中眼电伪迹自动去除方法的研究

 针对实际采集的脑电信号受眼电干扰较大,提出一种基于离散小波变换(DWT)与独立分量分析(ICA)的自动去除眼电伪迹的方法(DWICA).对采集的多导脑电和眼电信号进行离散小波变换,获取多尺度小波系数,将串接小波系数作为ICA的输入;利用基于负熵判据的FastICA算法实现独立成分的快速获取,引入夹角余弦准则自动识别眼迹成分,并经过ICA逆变换将剔除眼迹后的独立成分投影返回到原脑电信号各个电极;通过DWT逆变换重构信号,即可得到去除眼迹的各导脑电信号.实验结果表明,DWICA方法极大地提高了脑电信号的信噪比,抗噪能力强且实时性好,为脑电信号的在线预处理提供了新思路.     

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。     

小波尺度谱阈值算法在膈肌肌电降噪的应用

为了去除膈肌肌电信号中的心电干扰,提出了一种小波尺度谱阈值的处理方法。首先,对信号进行五尺度的小波分解,并且把小波系数转化为小波尺度谱;其次,针对心电信号在尺度谱上高于周围两边信号的特点,提出尺度谱阈值对心电信号进行滤除;最后,小波尺度谱映射回小波系数,重构小波系数得到降噪后的膈肌肌电信号。对临床采集的膈肌肌电信号进行实验分析,并与小波阈值方法进行对比,结果表明本文方法降低了心电干扰并且保留膈肌肌电信号的特征。      

一种基于小波变换的脑电信号处理的新方法

文章提出一种利用小波变换对脑电信号瞬态提取的新方法。实验表明基于小波变换的脑电信号瞬态检测法能方便而有效地完成瞬态波形的检测与参数提取。     

基于小波收缩的改进阈值脑电信号去噪方法研究

脑电（EEG）信号是脑神经细胞的电生理活动在大脑皮层的反应,但采集到的脑电信号一般都含有大量噪声信号。为了有效去除噪声信号并保留有用信息,在经过研究分析后提出一种基于小波收缩的改进阈值去除脑电信号噪声的方法,改进的阈值可以随着分解层数的变化而变化,在实际中可灵活应用。首先利用小波变换对脑电信号进行分解,得到多层的高频系数和低频系数;然后根据分解层次的不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪声后的脑电信号。以信噪比（SNR）、均方根误差（RMSE）作为去噪效果的定量指标,通过实验对比了改进阈值法和软硬阈值法以及自适应阈值法,实验结果表明基于小波收缩改进的阈值法去噪效果优于其他三种阈值法。     

医用电子技术与设备

0625197基于聚类算法的选择性神经网络集成在大脑胶质瘤诊断中的应用=Prediction of malignancy degree in brain glioma using selective neural netwokrs ensemble[刊,英]/刘天羽//上海大学学报(英文版)．—2006,10(3)．—244-246(E) 0625198小波变换在心电信号处理及特征提取中的应用[刊,中]/师黎//郑州大学学报(工学版)．—2006,27(2)．—65-69(L)首先利用小波变换方法,滤除心电信号中各种干扰,包括工频干扰、肌电干扰和基线漂移等。再用基于haar的连续小波变换方法对R波峰值进行特征提取。然后根据医生的临床经验需要,提出了一种交互式提取ST段的方案。最后对心电信号发生器产生的心电信号进行实验,实验结果表明：用连续小波变换方法对R波峰值进行定位准确度可达到99．84%,用交互式方法对ST段特征点的定位比较准确,采用小波变换方法滤波对低频基漂也有较好的滤波效果,能克服信号-噪声频带重叠。参7     

基于小波分析的脑电信号处理

为去除脑电信号采集过程中存在的噪声信号,提出了基于小波阈值去噪的脑电信号去噪。以小波阈值降噪为基础,首先利用db4小波对脑电信号进行5尺度分解,然后采用软、硬阈值与小波重构的算法进行去噪。通过对MIT脑电数据库中的脑电信号进行仿真,结果表明,采用软阈值方法有效去除了噪声,提高了脑电信号的信噪比。     

Oscillatory-Plus-Transient Signal Decomposition Using TQWT and MCA

This paper describes a method for decomposing a signal into the sum of an oscillatory component and a transient component. The process uses the tunable Q-factor wavelet transform (TQWT): The oscillatory component is modeled as a signal that can be sparsely denoted by high Q-factor TQWT; similarly, the transient component is modeled as a piecewise smooth signal that can be sparsely denoted using low Q-factor TQWT. Since the low and high Q-factor TQWT has low coherence, the morphological component analysis (MCA) can effectively decompose the signal into oscillatory and transient components. The corresponding optimization problem of MCA is resolved by the split augmented Lagrangian shrinkage algorithm (SALSA). The applications of the proposed method to speech, electroencephalo-graph (EEG), and electrocardiograph (ECG) signals are included.     

基于小波变换的信号调制方式的识别研究

根据小波理论,利用小波变换的尺度分解和局部放大的能力,对调制信号进行小波变换和分解,挖掘调制信号在间断点的瞬态特性,成功建立了不同调制方式和其调制特征间的对应关系。在不需要同步和符号速率等先验知识的情况下,实现了对MASK、MFSK、MPSK、MQAM等数字调制方式的完全识别。通过理论分析和计算机仿真验证了所提方法的有效性和实用性,具有很高的应用价值。     

基于小波分析的迎角传感器信号预处理

针对基于四象限压力传感器阵列的迎角测量方法中,传感器信号受到干扰的问题,讨论了在其预处理中应用小波变换进行信号分离提取的方法.根据小波分解理论,对信号进行多尺度的小波变换,信号中频率不同的部分落在不同的尺度上,剔除反映干扰的小波变换尺度,提取出有用信息.结果表明,该方法可较好地提取信号的主要特征信息,有效的去除了确定性干扰和随机噪声,与传统的信号滤波方法相比较具有明显的优点,同时为后续的信号处理奠定了基础.     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

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。     

Wavelet footprints: theory, algorithms, and applications

Wavelet-based algorithms have been successful in different signal processing tasks. The wavelet transform is a powerful tool because it manages to represent both transient and stationary behaviors of a signal with few transform coefficients. Discontinuities often carry relevant signal information, and therefore, they represent a critical part to analyze. We study the dependency across scales of the wavelet coefficients generated by discontinuities. We start by showing that any piecewise smooth signal can be expressed as a sum of a piecewise polynomial signal and a uniformly smooth residual (Theorem 1). We then introduce the notion of footprints, which are scale space vectors that model discontinuities in piecewise polynomial signals exactly. We show that footprints form an overcomplete dictionary and develop efficient and robust algorithms to find the exact representation of a piecewise polynomial function in terms of footprints. This also leads to efficient approximation of piecewise smooth functions. Finally, we focus on applications and show that algorithms based on footprints outperform standard wavelet methods in different applications such as denoising, compression, and (nonblind) deconvolution. In the case of compression, we also prove that at high rates, footprint-based algorithms attain optimal performance (Theorem 3).     

基于小波分析的EEG信号自适应去噪的应用研究

介绍了小波变换应用于EEG信号消噪处理中的原理及自适应噪声抵消器的原理。根据短时动态信号与平稳背景噪声的特征区别,对输入混合信号进行白化预处理,以时间序列的AR模型理论为依据,导出背景噪声白化滤波器的结构;将小波变换与自适应滤波相结合,对经白化处理后的信号进行自适应去噪,将去噪后信号及平均信号做了功率谱估计比较,实验结果表明该方法能有效地去除弱信号中的噪声。     

采用小波能量的光纤周界报警信号辨识

采用小波变换法对光纤周界报警系统的采样信号进行阈值滤波,根据滤波后信号的特征,采用db8小波基对信号进行4尺度小波分解,并统计各尺度下的小波细节系数能量,获取原始信号各频带的信号特征,并基于信号特征进行信号识别,能可靠的对蓄意入侵信号进行报警。实践证明,采用这种识别法可使该系统的误报率降低。     

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。