基于小波包分解的时变脑电节律提取

研究从时变非平稳脑电信号中提取脑电动态节律的新方法。首先用小波包分解构造不同频率特性的时变滤波器以提取各种时变的脑电节律，研究临床脑电信号瞬时变化。在此基础上测试并分析两种不同功能状态下的脑电信号，并由此构造各种节律的时变脑电地形图。实验结果表明，小波包分解可以有效提取脑电不同节律的动态特性，此方法也适用于分析其他生物医学信号。     

基于小波变换的脑电瞬态信号检测

在脑电（ＥＥＧ）信号分析与处理过程中,瞬态信号的检测和定位具有非常重要的实际意义,传统的瞬态脉冲检测方法是匹配滤波,但匹配波滤需要有关瞬态信号的先验知识,因而在实际应用中受一定的限制,本文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,实验结果表是有,在缺乏先验知识的条件下,小波变换能有效检测出脑电信号中短时,低能量的瞬态脉冲。     

基于小波变换和FastICA的眼电伪迹去除研究

为了高效去除脑电信号(Electroencephalogram, EEG)中的眼电伪迹,文章提出一种基于小波变换(Wavelet Transform, WT)和快速独立成分分析(Fast Independent Component Analysis, FastICA)相结合的眼电伪迹去除方法。首先,应用小波变换将信号分解成不同频率的小波分量,采用适合的小波基函数和阈值针对高低频噪声做去噪处理;其次,应用FastICA算法分离出各通道的独立成分,获取纯净的脑电信号;最后,对BCI competition IV公共数据集应用融合算法,并输入支持向量机(Support Vector Machine, SVM)进行分类验证。实验结果表明,相较于单一的小波变换和FastICA算法,采用文章提出的融合算法处理后的脑电信号的SVM分类识别率分别提升了18.9%和15.8%,证明该融合算法对去除脑电信号中的眼电伪迹有较好的效果。     

基于小波功率谱算法的脑电地形图成像方法

由于脑电图信号的非平稳性,首先从理论上推导出针对脑电图信号的小波功率谱计算公式。以小波功率谱算法代替传统功率谱算法,以所记录的脑电图数据作为原始数据,编程计算出16导脑电图数据在δ、θ、α1、α2、α3、β等脑电波频段在采样区间[t1,t2]的功率,再用插值方法,计算出大脑某个水平截面各点的功率分布,并用伪彩色将截面上的功率分布显示出来,构造出更准确和更符合实际的脑电地形图。     

基于小波变换的脑电信号瞬态特征提取

本文探讨了利用小波变换对脑电信号瞬态提取的新方法.实验结果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.     

基于小波理论的sEMG的处理方法

文章选取时域分析法对表面肌电信号的提取其特征值,意在于能够得到能较好地表征肌电信号的特征向量,使得之后的分类器能够有效地对表面肌电信号进行分类识别。在对信号进行识别分类识别时,所设计的小波神经网络可以将各动作信号特征值转化为线性组合,简化动作的分类识别过程。     

抑郁症患者脑电复杂度的小波熵分析

应用小波熵理论分析抑郁症患者和健康人在安静和心算任务下自发脑电信号的复杂度：分别采集10例抑郁症患者和10例正常人在安静闭目和闭眼心算连减两种状态下的16导联脑电信号;计算这四组脑电数据的小波熵,并进行对比和统计分析。结果表明,抑郁症患者和正常人自发脑电的小波熵有着显著的差异：（1）在相同状态下,抑郁症患者各导联脑电的小波熵大于正常人对应导联的小波熵;（2）对同一个人,安静闭目状态下各导联脑电的小波熵大于心算连减状态下对应导联的小波熵。结论可为抑郁症的诊断提供参考。     

基于小波相干性算法的孤独症儿童脑电评估

孤独症是一种先天的大脑发育障碍性疾病, 孤独症儿童的早期评估诊断尤为重要. 脑电图(Electroencephalography, EEG)是大脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映. EEG信号中包含了大量的生理与疾病信息, 可为某些脑疾病提供诊断依据. 本文按照国际10-20系统标准电极分布将全脑划分为5个脑区, 采用小波相干性算法对孤独症(Autistic spectrum disorder, ASD)儿童和正常(Typical development, TD)儿童任意两通道之间在不同节律下的连接性进行计算, 按脑区进行划分, 得到脑区内和跨脑区功能连接结果, 随后应用独立样本t检验分析和FDR (False discovery rate)多重校正方法后给出脑区内和跨脑区在不同节律下的组间差异.结果表明, ASD组相对于TD组跨脑区连接和脑区内连接普遍较弱, 除delta频段外其他频段均差异显著, 尤其是额叶与其他脑区连接. 多重校正后通道间长程连接中额叶与枕叶、中央区与枕叶在四个频段差异显著较明显, 通道间短程连接额叶在theta和alpha频段较显著, 其他频段其他脑区对比不显著.     

基于小波分析的脑电智能诊断应用与研究

根据小波分析的多分辨率特性,重点分析了多分辨率特性在脑电诊断中的应用.首先确定小波函数和分解层数,进行小波变换,对脑电高频低频进行小波变换重构信号,接着基于在不同尺度下伪迹和异常波不会完全相同的原理,将脑电信号分解到各个尺度上.把分解后的脑电信号输入神经网络进行识别,最终输出异常波的识别结果.     

基于小波变换的动态脑电节律提取

针对脑电信号和其他医学信号的非平稳性,引入小波变换处理临床脑电信号的动态特性。根据脑电信号的不同节律特性,提出应用小波包变换构造不同频率特性的滤波器,提取脑电信号的４种节律,并由各种节律对应的小波系数构造动态脑电地形图。为了研究不同脑功能状态下脑电信号４种节律的动态特性,文中对两组不同临床脑电数据进行分析与比较,给出了有关的实际分析结果。实验结果表明,利用小波包分析的滤波特性,能够有效地反映临床脑电不同节律的动态特性,也为分析其他生物医学信号提供了一条新的途径。     

基于遗传算法的正交对称多小波构造

在多小波参数化的基础上,利用遗传算法的全局优化能力,将带参数的正则指数函数作为遗传算法的适应度函数,构造出正则指数较高的多小波。与其他具有相等支撑长度、消失矩阶数及滤波器结构的多小波相比,该多小波的正则指数更优。对光滑和纹理图像的压缩和去噪的实验结果表明,该多小波的图像处理能力更强、效果更好。     

基于小波矩和主分量分析的车牌字符识别方法

随着物联网技术的发展,车联网的应用日益广泛,从而对车牌字符的识别提出了更高的要求,而字符识别的关键在于特征的提取和选择。提出了一种基于小波矩和主分量分析提取和选择特征向量的方法。该方法首先通过小波矩提取字符的特征,然后通过主分量分析对提取的特征进行选择,最后将特征向量送入BP神经网络进行字符识别。该方法能够很好的反映图像的全局特征和局部特征,并且具有较强的抗干扰能力。实验结果表明,该方法可以得到较好的识别效果。     

一种基于小波特征提取的低速率DoS 检测方法

低速率拒绝服务攻击(low-rate denial-of-service,简称LDoS)比传统的DDoS(distributed DoS)攻击更具隐蔽 性和欺骗性,依据其周期性脉冲突发特点,设计实现了一种基于小波特征提取的LDoS 检测系统DSBWA(detection system based on wavelet analysis).该系统以到达检测节点的数据包数目为研究对象,通过小波多尺度分析,结合 LDoS 的攻击规律提取5 个特征指标,在此基础上采用BP 神经网络进行综合诊断.一旦检测出LDoS 攻击,系统定位 攻击脉冲数据的到达时刻以获得攻击者的相关信息.NS-2 模拟实验结果表明,DSBWA 具有高检测率和低误警率,并 且能够检测出LDoS 变种攻击,消耗计算资源少,具有良好的实用价值.     

基于改进小波变换的EEG分析

利用小波变换来进行EEG自动识别的研究,试图将EEG自动识别由当前的癫痫领域扩大到更多的病症中来。提出了一种改进小波基的方法。该方法是利用连续小波变换来对EEG信号进行分析,选定一个最合适的小波基。在自动识别的过程中,用自适应小波基的方法来进行多分辨分析,然后用6个参数进行特征提取。实验证明此方法有良好的可行性和有效性。     

密码创建方案①

密码是计算机安全的重要组成部分,是保护用户各类账号的前线。本方案的目的在于建立一个创建强密码,保护这些密码以及更换频率的标准。内容有密码的安全性,密码保护标准,密码构造指导方针等。研究了用于个人、基于家用的机器、与工作相关的网络系统的密码方案。     

改进的双变量收缩函数模型脑电信号消噪方法

针对传统小波消噪全局阈值处理独立性假设和双变量函数模型对没有父系数的最高层小波系数不做处理的缺陷,提出一种高密度离散小波变换中利用双变量收缩函数对脑电信号进行消噪的方法。子小波系数根据双变量函数实现局部自适应收缩处理。同时根据父系数趋于0时,阈值函数近似于软阈值函数,对最高尺度小波系数进行软阈值法消噪。从实际信号处理效果和客观定量指标两方面进行评价,结果表明这种改进算法都优于软阈值法、硬阈值法以及双变量收缩法。