首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 125 毫秒
1.
确定大脑思维活动与脑电记录之间的时间对应关系是思维脑电研究的关键,阵发性40Hz脑电信号理论有效地解决脑电信号的选择问题,而准确提取阵发性40Hz脑电信号成为分析思维脑电的前提.论文在研究小波包分解与重构的特征的基础上,讨论了小波包分解树的频带分布规律,确定以Shannon熵为熵标准选择Daubechies5小波对脑电信号的进行9层分解,并通过重构获得了频带约为36.1-43.9Hz的窄带40Hz阵发性脑电信号.小波包分解比传统的滤波器分解更便捷,分解得到的阵发性40Hz脑电信号更精确,可以用来作为思维脑电同步选择的依据.  相似文献   

2.
为了更有效地提取脑电信号特征波,结合小波包技术,提出了一种脑电特征波提取方法.首先对脑电信号进行小波包分解,然后进行褶关频段信号的重构,从而提取出特征波,并对其进行功率谱分析和能量计算.实验结果表明,小波包技术能有效地提取脑电信号特征波.  相似文献   

3.
脑电信号采集时很容易受到眼电信号的干扰,从而影响脑机接口系统的性能。为此,提出一种基于离散小波变换(DWT)和典型相关分析(CCA)的眼电伪迹自动去除方法,即 DCCA 法。首先,对采集的多导脑电信号和眼电信号进行离散小波变换,获得多尺度小波系数,并利用典型相关分析去除小波系数间的相关性,得到互不相关的典型小波系数;进而,利用相关系数判别眼迹成分,将相应典型小波系数置零并依次采用 CCA逆变换和 DWT逆变换重构剔除眼电伪迹后的脑电信号。基于9位实验者的4种眼电数据进行实验研究,并从统计学的角度对实验结果进行显著性检验。结果表明, DCCA法相对其他方法在均方根误差、信噪比方面具有显著优势,且具有较好的实时性,并表现出较强的适应能力。  相似文献   

4.
单通道视觉诱发脑电的单次提取方法研究   总被引:3,自引:0,他引:3  
针对单通道脑电信号单次提取识别率较低的问题,提出了一种正交B样条小波变换与Fisher线性判别相结合的方法,提高了视觉诱发电位P300的单次提取识别率。首先采用相干平均和小波变换的方法对脑电信号进行预处理,然后根据脑电信号的时-频特性及视觉诱发电位的锁时关系,提取出表征P300的8维小波系数模板,再次利用模板对单次样本进行特征提取,最后根据Fisher线性判别对测试样本进行分类识别,判断单次输入是否为视觉诱发脑电信号。实验结果表明,该方法对单次样本P300的平均识别率为95.10%。  相似文献   

5.
基于小波包变换和聚类分析的脑电信号识别方法   总被引:14,自引:10,他引:4  
为了实现脑-计算机接口(brain-computer interface,BCI)系统,对大脑C3,C4处采集的二路运动想象脑电信号的特征进行了提取和分类.在分析小波包频带划分特点的基础上,利用小波包能量进行特征提取并使用基于马氏距离的线性判别分析进行了左右手运动想象模式分类,结果表明该方法提取的特征向量较好的反映了运动想象脑电信号的事件相关去同步(event-related desynchronization,ERD)和事件相关同步(event-related synchronization,ERS)的变化时程.另外,该方法识别率高,适合脑-计算机接口的应用.  相似文献   

6.
基于小波变换的脑电特征信号自动检测方法   总被引:3,自引:2,他引:1  
王浩  刘冲  王宏 《仪器仪表学报》2005,26(8):1807-1808
首先对原始脑电信号(EEG)进行小波分解来进行滤波.然后利用双正交样条小波对EEG进行二进小波变换,进而求出小波模极大值,最后通过一系列策略匹配出相应的模极大值对来确定出特征信号的起止点,从而达到自动检测脑电特征信号的目的.  相似文献   

7.
杨丹  王宏  姚野 《仪器仪表学报》2004,25(5):697-700
肌电信号是在皮肤表面记录下来的神经和肌肉的系统活动时的生物电信号 ,有很好的临床价值。文章着重介绍应用小波分析中的奇异点探测理论 ,对磁场刺激下的诱发肌电信号进行分析 ,实时地提取磁场刺激的诱发肌电信号特征。验证了小波分析理论在分析非平稳的随机信号的优越性 ,是信号分析的又一有力工具。  相似文献   

8.
基于小波变换和BP神经网络的视觉诱发电位识别   总被引:1,自引:0,他引:1  
结合小波变换和误差逆传播(Error Back Propagation,BP)神经网络对视觉诱发脑电信号(visual evoked potential,VEP)进行分类而产生脑机接口控制信号.利用一维离散小波变换提取强噪声背景下的低频微弱脑电信号,获取特征向量输入BP神经网络进行事件相关电位模式识别.实验表明,小渡变换特征向量提取方法能有效地实现信号的去噪、降维和特征提取,BP神经网络能比较准确地从VEP中识别出事件相关电位,进行10次测试的平均识别正确率为99.375%,有利于产生脑机接口控制信号.  相似文献   

9.
基于小波包熵和支持向量机的运动想象任务分类研究   总被引:9,自引:4,他引:5  
对运动想象脑电特征进行准确提取和分类是脑-机接口技术研究的重要问题。针对脑电信号非平稳性和非线性特点,提出了一种将小波包熵(WPE)和支持向量机(SVM)相结合的脑电信号识别方法,利用小波包系数能量分布分析脑电时频特性,结合信息熵分析其不确定性和复杂性,并从单次实验中提取运动想象脑电特征;通过支持向量机对特征信号进行分类,采用了一种核函数参数v和误差惩罚因子c的最佳寻优方法,并用互信息(MI)、信噪比(SNR)、最小错分率(MR)等准则对分类器进行评判。测试结果为:想象左右手运动脑电信号识别精度达到90%,M I为0.65 bit,SNR为1.44。结果表明WPE-SVM识别方法能够准确提取脑电本质特征,具有较强的分类性能和抗干扰能力,为大脑运动意识任务分类提供了有效方法,它可以应用于脑-机接口系统中。  相似文献   

10.
运动意识任务的模式识别方法研究   总被引:4,自引:3,他引:1  
针对脑机接口研究中运动想象脑电信号的模式识别问题,提出了一种基于离散小波变换和AR双谱的特征提取方法.该方法首先利用Daubechies类小波函数对二路脑电信号进行3层分解,抽取小波系数的均值、能量均值、均方差三个特征;然后,采用5阶AR模型进行双谱估计,抽取双谱切片特征;最后,将这两类特征进行组合后使用马氏距离线性判别进行分类.利用BCI2003竞赛的标准数据,该方法使得EEG的识别正确率达到92.86%,与竞赛的最好结果(89.29%)相比提高了3.57%,为BCI研究中脑电信号的模式识别提供了有效的手段.  相似文献   

11.
基于小波变换的盲信号分离的神经网络方法   总被引:10,自引:2,他引:8  
提出一种新的盲信号分离的神经网络方法,该方法将小波变换和独立分量分析(ICA,Independent Component Analysis)相结合。利用小波变换的滤噪作用,将混合在原始信号中的部分高频噪声滤除后,再重构原始信号作为ICA的输入信号,有效地克服了现有ICA算法不能将噪声从源信号中分离的缺陷。实验结果表明,将该方法用于多通道脑电信号的盲分离是很有效的。  相似文献   

12.
结合小波变换和独立分量分析的脑电特征提取   总被引:5,自引:0,他引:5  
在多道脑电信号的独立分量分析 ICA (Independent Com ponent Analysis)过程中 ,脑电独立源在数量上的不确定性往往是造成分离结果不理想的主要原因。目前还没有找到解决此问题的有效方法。根据脑电信号自身的特点 ,提出了一种结合小波变换 WT(Wavelet Transform)和独立分量分析的脑电特征提取新方法— WICA。新方法的主要思路是先对每一道脑电数据进行小波分解 ,然后根据需要选择不同尺度的小波子带信号进行脑电独立分量提取。实验结果表明 ,WICA方法在一定程度上能够克服因脑电独立源的不确定性所带来的影响 ,并能获得较好的脑电特征提取效果。  相似文献   

13.
在干摩擦条件下,摩擦噪声的发生与接触界面的摩擦有密切的关系。本文测量了摩擦噪声状态下的摩擦力,利用小波变换可以把信号分解成不同频率成份的特点,对摩擦力信号进行了小波分解,结果可以看出在同一个往复行程里从无摩擦噪声到发生摩擦噪声的过渡阶段摩擦力的变化。分析结果显示当摩擦噪声的强度比较弱时摩擦力的变化比较光滑,但当噪声强度比较大时,摩擦力有一个台阶状的变化。  相似文献   

14.
基于小波分析的齿轮箱振动信号消噪处理   总被引:2,自引:0,他引:2  
基于小波变换具有良好时频分析的特点,介绍了小波变换用于去除噪声的原理和方法,建立齿轮箱齿轮人工点蚀故障模拟实验台,通过Matlab对故障振动信号进行小波分析,并且和没有经过信号消噪就进行小波分解进行对比,从而得出对含噪声的非平稳信号进行消噪,再进行小波分解可以较好的提取齿轮点蚀故障特征频率的结论。  相似文献   

15.
超声检测信号时频邻域自适应消噪技术   总被引:1,自引:0,他引:1  
分析超声检测回波信号中噪声的组成和特性.考虑缺陷信号和噪声分量的分布差异,提出一种基于小波包变换时频邻域统计特征的自适应消噪方法.该方法根据噪声水平和邻域数据的方差,自动调节邻域数据对中心点值的平滑处理强度,从而达到自适应消噪目的.由于不存在参考信号和参数选择的问题,该方法稳健性好.仿真和实测信号的试验结果表明:该方法能有效提高信号的信噪比以及不同类型缺陷信号之间的可区分性,并抑制波形失真和信号的能量衰减.  相似文献   

16.
小波多重分形及其在振动信号分析中应用的研究   总被引:14,自引:3,他引:11  
不同于许多基于FFT的信号分析方法,多重分形谱分析的是信号的几何结构特征。以前,多重分形谱的计算方法都有其固有的缺点,使多重分形谱的应用受到限制。而小波局部极大模方法因其简单性和有效性,近来在多重分形谱计算方面受到了广泛的关注。较系统地阐述了多重分形的概念和多重分形谱的小波局部极大模计算方法,讨论了多重分形谱在故障诊断领域的应用途径,并用多重分形谱对不平衡、油膜涡动、联轴器不对中和碰摩等旋转机械的4种典型故障的振动信号进行了事例研究。研究结果表明,多重分形谱能够很好的反映振动信号的几何结构特征,为机械设备故障诊断提供了又一种有效的方法。  相似文献   

17.
小波分析用于机械系统突发信号在线检测   总被引:1,自引:1,他引:0  
近年来引起各领域广泛关注的小波分析理论,以其良好的时频局部化功能提供了一种瞬态信号的分析方法,但单纯基于此算法的软件往往缺少对于突发性信号的自适应能力。神经网络则具有良好的自适应性、自组织性及很强的学习功能。本文将此二者结合,以神经网络原理和现代数学小波分析为依据,提出了基于神经网络思想的小波分析;改进原有算法,以自编C程序识别工程技术测量中遇到的突发故障与噪声,并在强噪声环境中机械系统的突发信号实测中获得成功。  相似文献   

18.
小波包分析方法在齿轮早期故障特征提取中的应用   总被引:14,自引:4,他引:10  
基于小波包对信号的高分辨率分解和重构能力,把信号分解到不同频段,然后选择有效频段进行故障信号重构,分离出故障信息,试验表明,该方法能从很强的总体振动信号中提取清晰的损伤特征,实现早期诊断。  相似文献   

19.
一种改进的基于小波变换的包络提取算法研究   总被引:6,自引:0,他引:6  
结合“模极大值小波域去噪”原理,提出了一种基于小波变换和希尔伯特变换的包络提取算法。首先用小波变换作为包络分析的前置处理手段,再利用希尔伯特变换对处理后的信号进行包络提取。针对希尔伯特变换解包络的不足,采用模极大值小波域去噪算法对包络信号进行消噪,从而解决了一般算法难以解决的由于随机噪声的干扰造成的提取的包络轮廓信息粗糙的难题。实验结果表明,该方法可以精确提取信号的包络并通过包络细化谱分析全面获得信号所隐古的故障特征。  相似文献   

20.
Time-frequency analysis, including the wavelet transform, is one of the new and powerful tools in the important field of structural health monitoring, using vibration analysis. Commonly-used signal analysis techniques, based on spectral approaches such as the fast Fourier transform, are powerful in diagnosing a variety of vibration-related problems in rotating machinery. Although these techniques provide powerful diagnostic tools in stationary conditions, they fail to do so in several practical cases involving non-stationary data, which could result either from fast operational conditions, such as the fast start-up of an electrical motor, or from the presence of a fault causing a discontinuity in the vibration signal being monitored. Although the short-time Fourier transform compensates well for the loss of time information incurred by the fast Fourier transform, it fails to successfully resolve fast-changing signals (such as transient signals) resulting from non-stationary environments. To mitigate this situation, wavelet transform tools are considered in this paper as they are superior to both the fast and short-time Fourier transforms in effectively analyzing non-stationary signals. These wavelet tools are applied here, with a suitable choice of a mother wavelet function, to a vibration monitoring system to accurately detect and localize faults occurring in this system. Two cases producing non-stationary signals are considered: stator-to-blade rubbing, and fast start-up and coast-down of a rotor. Two powerful wavelet techniques, namely the continuous wavelet and wavelet packet transforms, are used for the analysis of the monitored vibration signals. In addition, a novel algorithm is proposed and implemented here, which combines these two techniques and the idea of windowing a signal into a number of shaft revolutions to localize faults.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号