首页 > 文献资料
-
基于模糊自相似性的表面肌电信号分形分析
表面肌电信号(surface EMG,sEMG)是一种复杂的非线性信号.近年来,分形分析常被用来揭示这种非线性特征.本文采用一种基于模糊自相似性的分数维计算方法,来获取前臂执行四种动作时所对应的动作sEMG的分数维.结果表明,通过这种方法获得的分数维能够聚集在各自特定的范围内,并且,通过分形维能够区分部分动作sEMG.
-
改进G-P算法与睡眠脑电的关联维
脑电的非线性参数能有效表达大脑的不同生理状态,不同睡眠期脑电的关联维数不同.但用G- P算法求关联维数存在抗干扰能力较差、可靠性不稳定、运算量巨大等缺点.先对相空间进行奇异谱分析,进而对原始相空间进行旋转,使其成为正交的等效空间,然后再使用G- P算法.改进后的算法能有效地抑制噪声干扰,降低相空间规模,减少运算复杂性,在睡眠脑电的关联维数计算上效果良好.
-
帕金森病患者加速度信号的嵌入维和关联维特征
帕金森病作为一种运动调节功能障碍性疾病,会显著地降低人体中枢神经系统对肢体的控制能力.本文将G-P算法直接应用于人体行走时产生的加速度信号的混沌动力学研究.通过对帕金森病患者和健康人群加速度信号的动力学特征进行比较后发现,相对于健康人,帕金森病患者加速度信号的嵌入维和关联维均显著减小.结果 表明,帕金森疾病会使患者运动神经控制系统的混沌程度减弱,复杂性降低;而且可以通过对有限长一维加速度信号的重构捕捉患者运动神经控制系统动力学特征的改变.本研究的结论 对于人体运动神经控制系统的生理建模以及帕金森病的临床诊断具有一定的理论和应用价值.
-
HRV信号关联维计算中参数选取的研究
健康和有疾病的心率变异性(HRV)参数有明显差异,计算关联维是识别这种差异的一种重要手段.用传统的G-P算法计算关联维时,嵌入维数m、延迟时间τ、及序列长度N等参数的选取会对终计算结果有很大影响.本文从理论和实验方面论述了如何选取这些参数以获得正确的结果,并且将其应用于正常组和心率不齐疾病组进行对照,结果显示关联维可以有效地表征由于疾病对于心脏节律造成的影响.
-
混沌动力学在心率变异分析中的应用
目的利用混沌动力学方法进行心率变异信号的非线性特征描述和检测.方法根据Takens延迟方法进行心率变异信号的状态空间重构,结合奇异值分解技术给出规律的吸引子形态,并通过相关积分计算相应的信号关联维值.结果以实例形式给出健康人心率变异信号的典型吸引子和相应关联维计算结果.结论混沌动力学在心率变异信号处理中的应用有望为某些心脏疾病的辅助临床诊断和治疗提供一个新的途径.
-
脑电非线性动力学快速分析与癫痫脑电分析
通过分析比较非线性时间序列动力学分析过程中使用的各种算法,选择出适合脑电分析的算法.这些算法时空复杂度较高,计算耗时.我们对这些算法进行了串行优化和改进,使其时间复杂度有不同程度的降低,并提高了其准确度;再对其进行并行化,进一步提升了算法效率.后整个计算过程运行时间缩短为优化前运行时间的1/50.在此基础上,我们提出了脑电非线性动力学快速分析系统的设计,并使用该系统分析了癫痫脑电数据,取得了良好的结果.
-
引入关联维的表面肌电信号的特征提取
考虑到表面肌电信号的非平稳特性,本研究在传统特征提取的基础上,又引入了非线性动力学中的关联维,通过小波系数的标准差和关联维重新构造特征向量,将其送入自组织映射网络对拇指弯曲、食指弯曲和无名指弯曲三种手势动作进行分类识别.结果表明:引入关联维的特征提取方法其识别正确率明显优于传统的小波变换的方法.可见,关联维作为一种新的特征参数,为肌电信号的特征提取提供了新的思路.
-
近似熵理论及应用
目的:介绍近似熵分析生物信号的优点,探讨时间序列的参数对近似熵值的影响,阐述近似熵在医学的应用现状与前景.方法:根据定义和算法,介绍近似熵与关联维、分形维数、Lyaponov指数等非线性分析方法相比估计信号的复杂度所具有的优点;依据近似熵算法,本文编制程序定量地分析近似熵值与时间序列各参数的关系;人体脑电信号和心电信号等生物信号能反映出人体所处的状态,检测生物信号的近似熵值变化,定量的监测和检测某组织的状态.结果:近似熵具有计算所需数据短,抗噪能力好等优点,弥补了关联维等非线性分析方法的缺陷;近似熵与时间序列的幅值无关;在低频,近似熵值几乎是随频率增大而增大;当计算长度大于1000个点时,近似熵是稳定的,定量说明近似熵计算所需数据短;目前,近似熵在诊断、监测、麻醉学等医学领域广泛运用,并取得很好的成果.结论:近似熵一种新发展起来的定量估计信号复杂度的非线性分析方法,为诊断、监测一些疾病提供一种新的方法,具有广泛的应用前景.
关键词： 近似熵 关联维 分形维数 Lyapunov指数 -
睡眠呼吸暂停综合征脑电关联维特性研究
睡眠呼吸暂停综合征(SAS)是一种常见且危害巨大的全身性睡眠疾病.SAS患者存在明显的脑部结构和功能的影像学改变,而脑电图(EEG)能反映大脑组织的电活动及功能状态,是描述睡眠过程直观的参数.基于EEG信号的非平稳和非线性特性,本文采用非线性方法对SAS患者睡眠EEG信号的关联维特性进行分析.将6名SAS患者组成SAS组,6名健康人组成对照组.研究结果显示,SAS患者和健康人睡眠EEG信号的关联维变化规律一致,即随着睡眠加深,其关联维均逐渐减小,但到快速眼动期(REM)时,关联维又上升至觉醒和浅睡眠期的水平;与此同时,SAS组的关联维在各个睡眠阶段均低于对照组,两组间存在的差异具有统计学意义(P＜0.01).研究结果表明,SAS患者的EEG信号与健康人之间存在明显的非线性动力学差异,这为研究SAS的生理机制及实现SAS的自动检测提供了新的方向.
-
动物ECG信号关联维数动态变化的初步研究
我们对动物(兔子)在麻醉后3种不同病理情况下的标准同步12导联心电信号(Electrocardiogram,ECG)的关联维数D2的动态变化进行了初步的研究.研究结果表明,不论是在正常状态还是在急性心肌梗塞情况下,从不同体表位置提取的心电信号得出的关联维数并非一个常数,而具有分布特性.同一导联相比较,在急性心肌血范围扩大的情况下,肢体导联的D2基本不变,胸部各导联ECG信号的D2值则呈升高趋势.D2在冠心病的诊断中显示出潜在的应用.
