首页 > 文献资料
-
基于典型相关分析和小波变换的眼电伪迹去除
目的 针对脑电信号中眼电伪迹去除尚存在的问题,提出一种基于典型相关分析与小波变换的(wavelet-enhanced canonical correlation analysis,wCCA)自动去除眼电伪迹的算法.方法 首先,充分利用脑电信号和眼电伪迹的空间分布特征,将基于典型相关分析的盲源分离算法分别应用于左右脑区的混合信号中,从而保证典型相关分析分解得到的第一个典型相关变量(即左右脑区之间的公共成分),就是眼电伪迹分量.然后为了恢复泄漏在该伪迹分量中的脑电成分,对伪迹分量进行小波阈值滤波,将高于某一阈值的小波系数置零,而保留低于阈值的系数.结果 与其他三种基于盲源分离去除眼电伪迹的方法相比较,该方法在有效地自动去除眼电伪迹的同时,很好地保留了潜在的脑电信号,去除效果明显优于其他三种方法.结论 由于该算法简单,处理速度较快,因此应用于实时的脑机接口系统中更具优越性,为后续脑电信号的特征提取和分类分析提供了良好的基础.
-
结合QRS检测和小波阈值的膈肌肌电信号降噪方法
为了消去夹杂在膈肌肌电(EMGdi)信号中的心电干扰,在比例阈值算法的基础上,提出一种结合QRS检测和小波阈值的降噪方法.首先,根据小波系数的相关性构造QRS波群的检测方法,分析确定干扰的位置和范围;其次,将小波系数分为受干扰和未受干扰两部分,并构造相应的阈值算法,针对性地处理受干扰系数,以未受干扰部分系数作为阈值算法构造的依据;后,重构处理后的小波系数,得到降噪后的EMGdi信号.对临床采集信号的处理对比表明,该方法能够更为有效地去除心电干扰,并更好地保留EMGdi的有用信号.
-
基于BP神经网络的胎儿心电提取算法研究
目的 针对胎儿心电不易提取的问题, 提出一种从孕妇腹部混合心电信号和胸部心电信号中提取胎儿心电的方法.方法 采用反向传播 (BP) 神经网络预测孕妇腹部混合心电信号中母体心电的真实形态, 从腹部混合信号中减去预测的母体心电信号便得到胎儿心电信号.与小波阈值去燥算法和自适应滤波算法比较, 评价BP神经网络算法可行性.结果 相比小波阈值去燥算法和自适应滤波算法, 该算法准确度为94.12％, 灵敏度为96.97％.这两项指标均优于小波阈值去燥算法的80.52％、93.94％和自适应滤波算法的87.88％、87.88％.结论 基于BP神经网络的方法可以提取到纯净的胎儿心电信号, 对于胎儿心电监护有一定的应用价值.
-
一种改进的小波阈值法去除耳声发射中的伪迹
本文探讨了耳声发射及其分类、特性、目前存在的问题和相关研究方法,并提出一种改进的小波阈值处理方法,它是基于一种多分辨分析小波阈值去噪,在传统的软、硬阈值去噪基础上设立两个变量,通过调节这两个变量有效地达到去除噪声的效果.
-
基于GC V算法的背根节神经元放电信号的滤波
为去除背根节神经元放电信号中的噪声，便于进一步分析信号，采用小波滤波法。先将含噪信号采用haar小波进行5层分解，然后在传统小波软阈值滤波的基础上，提出用GCV算法来确定优阈值，后进行信号重构。通过matlab仿真实验表明，采用了GCV算法的滤波方法能有效去除神经元放电信号中的噪声，去噪后信号光滑连续好，并且保留了信号峰值的相关细节。
-
一种新的分辨磁共振质子谱重叠弱信号的方法
本文首次提出采用平移不变量(TI)法结合小波阈值(WT)法分辨质子磁共振波谱(1H-MRS)中的重叠弱信号.首先将1H-MRS频谱信号转化到小波域,得到谱信号的小波系数分布；然后通过TI法与WT法,得到被掩盖在大信号下的小信号.通过对模拟数据的分析表明:该算法能有效准确地获取小信号频率和幅值信息,并结合信号拟合,实现其峰下面积定量计算.
-
基于解析信号重构的同步挤压小波变换的时频谱影响因素分析
受测不准原理的制约,小波变换、S变换等时频分析算法无法同时获得高时间分辨率和高频率分辨率.为了满足更高的要求,出现了一种联合小波变换和时频谱重组的新方法-同步挤压小波变换.本文从同步挤压小波变换和基于解析信号重构的同步挤压小波变换的原理出发,通过模型分析算法中参数设置对时频分析结果的影响,包括小波母函数、小波母函数的参数选择和小波阈值等,分析瞬时频率变化率不为零的信号所存在的时频谱模糊现象,并通过控制小波母函数、小波母函数参数以及小波阈值有效地减轻瞬时频率变化率不为零的信号所存在的时频谱模糊现象,时频谱的质量得到一定程度的提高.研究结果对获取高分辨率地震时频谱具有一定的指导意义.
-
图像去噪的组合优化滤波算法
小波变换具有良好的局部化分析特性和多分辨率分析特性,小波阈值法能很好的消除高斯白噪声,但对脉冲噪声无法消除.中值滤波对脉冲噪声能很好滤除,并具有良好的边缘保持特性.为了能很好消除图像中的混合噪声,文章提出了基于小波阈值法和门限递归中值滤波组合优化的图像去噪算法,仿真结果表明,该算法在去除图像中的混合噪声时,比其他传统去噪方法具有极大的优越性.
