基于小波变换的肌电信号识别方法研究

针对肌电信号的非平稳特性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值构造特征矢量输入神经网络分类器进行模式识别,经过训练能够成功地从掌长肌和肱桡肌采集的两道表面肌电信号中识别展拳、握拳、前臂内旋、前臂外旋四种运动模式。实验表明,基于小波变换的神经网络分类方法所需的数据短、运算快,对于肌电假肢的控制具有良好的应用前景。     

基于改进小波包与样本熵的表面肌电信号特征提取

针对表面肌电信号(sEMG)进行小波包分解后子空间维数较大导致部分子空间的特征信息被减弱和相邻子空间的频率接近会导致不同程度的信息冗余问题,提出了一种基于改进小波包与样本熵相结合的特征提取方法.在对原始sEMG进行小波变换的同时,对其某一高频子空间也进行小波变换,提取改进小波包分解后四个低频子空间的样本熵作为特征.在智能轮椅平台上进行实验,实验结果显示采用基于该算法的轮椅系统不仅正确识别率较高,而且稳定性更好.     

基于表面肌电信号小波包熵的情感识别

情感识别是情感计算的一个关键问题。针对表面肌电信号（EMG）的非平稳性,根据小波包变换在不同时频段均能精确的刻画信号,并提供丰富模式信息的特点,提出利用小波包熵方法对不同情感状态下的表面肌电信号进行分析。实验表明,该方法对情感的唤醒度识别效果较好。     

基于小波变换的表面肌电信号低功耗压缩滤波算法

针对现有的表面肌电信号采集传输系统,提出三个算法分别对采样、传输、预处理这三个主要过程进行优化:在采集端降低采样功耗,在传输过程中通过低失真高倍率数据压缩减轻传输带宽负荷,从而降低传输功耗,在接收端通过信号预处理滤除工频干扰,同时对算法复杂度进行评估并提出参数的自适应策略.经仿真验证,本文提出的算法对低功耗表面肌电信号系统设计、优化具有较好的实用性.     

基于小波包变换的脑电波信号降噪及特征提取

针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。     

表面肌电信号识别特征提取的仿真研究

研究表面肌电信号准确识别问题,表面肌电信号含有大量的噪声,且特征维数高,传统方法无法消除其中的噪声,选择最重要识别特征信号,表面肌电信号识别正确率低.为提高表面肌电信号的识别正确率,提出一种新的表面肌电信号识别模型.首先采用小波变换提取表面肌电信号特征,消除信号中的噪声,然后采用遗传算法选择最优特征信号,降低特征维数,最后采用遗传算法对支持向量机参数进行优化建立最优表面肌电信号识别模型.仿真结果表明,模型可很好地解决传统方法中的难题,提高了表面肌电信号的平均识别正确率,识别结果非常稳定,为表面肌电信号提供了一种新的识别方法.     

基于小波包分析的经络心电信号熵特征提取

为研究人体经络特征,提出了基于小波包分析的经络穴位心电信号熵特征提取的方法。首先通过建立经络检测实验采集了经络测试点的心电信号,然后采用小波包对经络心电信号进行三层分解,并根据重构后的心电信号提取经络穴位的熵特征。同时采用了K-means和模糊C均值聚类方法实现了穴位点和非穴位点的有效分类。研究结果表明经络上穴位点心电信号的能量熵明显大于非穴位点的熵值,并且这一特征可以作为区分经络穴位点和非穴位点的有力科学依据。     

基于小波包的表面肌电信号特征表示与识别

为提高智能轮椅人机接口中表面肌电信号的正确识别率和识别效率,主要研究了基于小波包多尺度分解的特征表示及识别。把采集的表面肌电信号在指定尺度及核函数的同一组正交小波包基下进行分解,用小波包多尺度分解的系数构造表面肌电信号的特征基向量。考虑到多通道表面肌电信号可能存在特征信息冗余,为消除这些冗余信息,对多通道表面肌电信号的特征空间通过正交规范化进行重构,并且用重构特征向量的对偶坐标向量作为表面肌电信号的最终特征表示。用非线性自回归神经网络实现了双通道表面肌电信号四种不同动作模式的分类。实验结果表明,小波包多尺度分解系数的重构对偶坐标向量不仅可作为表面肌电信号的特征表示,并能有效简化分类器的结构。     

基于平稳小波变换的膈肌肌电信号降噪

为了去除膈肌肌电中的心电干扰,提出了一种基于平稳小波变换的“逆向”硬阈值的降噪方法。首先,对临床的膈肌肌电信号进行平稳小波变换,根据小波系数检测QRS并且确定心电干扰范围;其次,逐层估计心电周期范围的小波系数均方差,并且通过均方差计算各个心电干扰的阈值;最后,对各层心电干扰范围小波系数进行“逆向”硬阈值处理,并进行小波逆变换得到降噪后的信号。实验结果表明,该方法能够有效地去除膈肌肌电信号中的心电干扰,并且能够较好的保留膈肌肌电信号的信号特征。     

融合小波包变换的一维ＭｏｂｉｌｅＮｅｔ癫痫脑电信号识别

针对目前传统神经网络内存需求大,运算量大,在移动端或嵌入式设备上运行困难等问题,提出了一种融合了小波包变换的轻量级卷积神经网络模型,用于癫痫脑电信号识别的研究。根据癫痫脑电信号的特性,首先采用小波包变换将脑电信号分成三个频段,然后运用改进的一维MobileNet训练、分类。同时引入超参数宽度因子α,通过改变宽度因子的大小以调整模型的深度。实验结果表明,当一维MobileNet模型的宽度因子α选取为0.75时,最终准确率达到100%,其模型的计算量和参数量分别为56.1M和1.24M。与现有的癫痫EEG信号识别方法比较,此模型在准确率、参数量、计算量方面均有不错的表现。     

一种基于三进制小波变换的纹理分割方法

提出了一种基于三进制小波变换的纹理特征提取方法，多纹理图像经过三进制小波滤波器组后得到九个子带图像，采用小波系数的标准差作为纹理测度以生成特征向量，利用常规的C-均值聚类算法进行纹理分割，实验结果表明了该特征提取方法的有效性。     

基于小波包最优基的音乐指纹提取算法

数字音乐指纹提取的主要目的是建立一种有效机制,用于比较2个音乐文件的听觉质量。提出一种基于小波包最优基分解的音乐指纹提取算法,利用与音频内容密切相关的小波包系数,将其作为特征进行指纹提取。实验结果表明,该算法对MP3,WMA和RM压缩、噪声、Stirmark for audio工具中常见的音频信号处理具有强鲁棒性,且在不同音乐之间具有较高可区分性。     

基于小波包和纹理特征的自适应水印算法研究

铺天盖地的数字信息的应用给多媒体信息安全带来诸多弊病,数字水印技术应运而生,其是版权保护、篡改提示、盗版跟踪等领域保护多媒体信息安全的有效措施.基于小波包分解和纹理特征的自适应水印算法在水印嵌人时,通过纹理分析自适应的选定嵌入位置和嵌入强度,从而更好地协调了鲁棒性和透明性.在仿真实验中,对含水印图像进行了几何剪切、加噪、马赛克等攻击操作.实验结果表明,鲁棒性有较大提高,特别是对几何剪切、马赛克等攻击其鲁棒性更明显.     

一种三角矩阵特征变换方法

从特征空间初始基底的优化出发,提出一种特征提取中确定变换矩阵公式的方法,称作三角矩阵特征变换方法.其变换矩阵中的参量个数只是现有方法中的一半左右,极大地减小了计算量.而且该方法支持各种特征变换准则,灵活性好.     

小波核局部Fisher判别分析的高光谱遥感影像特征提取

为了提高高光谱遥感影像的分类精度,充分利用影像的光谱和局部信息,文中提出小波核局部Fisher判别分析的高光谱遥感影像特征提取方法.通过小波核函数将数据集从低维原始空间映射至高维特征空间,考虑到数据的局部信息,利用加权矩阵计算散度矩阵,对局部Fisher判别准则函数求解最优特征矩阵,使不同类别的样本在高维特征空间中的可分离性更佳.在2个公开高光谱数据集上的实验表明,文中方法的总体分类精度和Kappa系数都有所提高.     

基于小波变换的特征构造与选择

小波技术是对信号进行处理的重要工具,已广泛应用于信号分析、数据压缩和降噪等各个领域。该文从模式识别的角度,对各种小波变换特征构造与选择进行了全面的分析比较,探讨了各自作为模式特征对分类精度的影响,并着重对小波系数的平移不变问题和小波基的选择问题进行了详细的讨论。     

基于小波多尺度分解子带主成份的特征提取

该文在研究了目标图像多尺度小波分解特性的基础上,提出了提取多个子带变换域中的主成份来构成目标综合特征的方法,这种特征不但包含了目标的部分边缘特性和一些局部灰度分布特性,也包含目标的一些结构特性。这种具有综合特性的特征能更加全面的反映图像所包含的信息,如果能较好的提取出来,将对图像信息描述产生很大的影响。文中算法兼顾特征提取的质量和算法的复杂度,算法所涉及的思想有进一步研究的价值。实验结果证明这种特征可有效地用于目标匹配。     

双正交小波方法在面部特征抽取中的应用

人脸识别技术是生物鉴别技术的重要组成部分。脸部特征抽取是人脸识别技术的关键。首先对基于小波极大模的边缘检测算法进行改进 ,提出极大模区域边缘检测算法 ;然后提出一种人脸特征抽取算法。整个脸部特征抽取过程分为三部分 :1 )对图像进行二维小波分解 ;2 )背景分离 ,脸部目标定位 ;3 )脸部特征抽取。实验证明该算法可以准确地抽取人脸特征     

基于小波的车牌汉字特征提取

车牌识别系统是智能交通不可或缺的一部分.在车牌识别系统中,车牌首位汉字的特征提取和识别是一个难点.为此,将小波的多分辨率特性应用于车牌汉字特征的提取,提出了一种直接从灰度图象提取车牌汉字特征的提取方法.该方法首先提取图象的小波矩和基于小波分解的区域密度特征,然后以识别率好坏为最优依据,进行特征分量排序和选择,最后把特征矢量送入BP神经网络进行字符识别.该方法避免了一些传统汉字特征提取方法需要对图象进行二值化操作而造成的汉字字符结构信息丢失.提取的特征有效地反映了车牌汉字的局部和全局特征.实验结果表明该特征提取方法可以得到比较好的识别效果.     

一种基于IHS和小波变换的彩色图像融合算法

针对昼夜彩色图像的融合,提出了基于IHS变换和小波变换的昼夜彩色图像融合新算法。该算法首先对昼夜彩色图像作IHS变换得到三个分量:亮度I、色度H和饱和度S;然后利用小波变换融合昼夜彩色图像的亮度分量,并用融合后的亮度分量替代夜晚图像的亮度分量;再作IHS反变换得到新的夜间图像;最后将得到的新的夜间图像和原白天图像在空域进行加权融合。实验分析表明,新方法的性能优于简单的空域加权融合,也优于单纯的基于IHS和小波变换的融合,在保留昼夜彩色图像信息的基础上,增强了融合图像的空间细节表现能力;并用客观评价标准对算