20xx年醫(yī)學專題—基于小波變換的腦電信號特征提取-wenkub
2024-11-09 03 本頁面
【正文】 1988： Stephane Mallat——Mallat快速算法（塔式分解和重構算法）,二、小波變換(bi224。,小波發(fā)展史： 小波變換是近十幾年新發(fā)展起來的一種數(shù)學工具,是繼一百多年前的傅里葉 (Fourier)分析之后的又一個重大突破,它對無論是古老的自然學科還是新興的高 新應用技術學科均產(chǎn)生了強烈的沖擊。,小波變換 CSP AR 特征提取的主要(zhǔy224。nj237。 β 波：頻率：14~30Hz，振幅：5~20μV。 根據(jù)頻率可把腦電信號分為以下幾個基本節(jié)律(ji233。人體腦電信號的強度很微弱，一般在微、毫伏級。腦電信號是大腦中各種神經(jīng)元之間相互作用的信號的復雜組合，組合的非線性導致腦電信號具有非線性的特點。人腦是一個龐大而復雜的系統(tǒng)，按生理功能可分為許多基本環(huán)節(jié)，這些基本環(huán)節(jié)的生理活動相互影響、相互滲透地交織在一起，而其中存在的聯(lián)系、制約關系及活動規(guī)律還沒有被我們清楚地認識。nhu224。姓名(x236。n)的EEG（腦電信號）特征提取,第一頁，共三十頁。因而，腦電信號表現(xiàn)出明顯的隨機性，一般不能用數(shù)學函數(shù)來準確(zhǔnqu232。 信噪比低。,第三頁，共三十頁。lǜ)： δ波：頻率：0.5~4Hz，振幅：20~200μV。 γ波：頻率：30~45Hz，振幅：一般不超過30μV。)帽。o)方法（濾波器）： AAR FFT HHT,一、腦電信號特點及一般處理(chǔlǐ)流程,模式分類的主要(zhǔy224。 1909: Alfred Haar——發(fā)現(xiàn)了Haar小波。nhu224。nt237。nhu224。 傅立葉變換的積分作用平滑了非平穩(wěn)信號的突變成分。,（1）克服第一個不足：小波系數(shù)不僅像傅立葉系數(shù)那樣，是隨頻率不同而變 化的，而且對于同一個頻率指標j， 在不同時刻 k，小波系數(shù)也是不同的。 （3）克服第三個不足：通過與加窗傅立葉變換的“時間—頻率窗”的相似分 析，可得到小波變換的“時間—頻率窗”的笛卡兒積。根據(jù)小波變換的 “時間—頻率窗” 的寬度可變的特點，為了克服上面所 述的第三個不足，只要不同時檢測高頻與低頻信息，問題就迎刃而解了。,小波是什么？ 小波可以簡單的描述為一種函數(shù)，這種函數(shù)在有限時間范圍內變化，并且(b236。nhu224。)，“容許”條件 非常重要，它限定了小波變換的可逆性。,為什么選擇小波： 小波提供了一種非平穩(wěn)信號的時間尺度(chǐd249。,小波變換的定義： 小波變換是一種信號的時間——尺度（時間——頻率）分析方法，它具有多 分辨分析的特點，而且在時頻兩域都具有表征(biǎo zhēnɡ)信號局部特征的能力，是一種窗口 大小固定不變但其形狀可改變，時間窗和頻率窗都可以改變的時頻局部化分析方 法。nhu224。)變量，故又稱為連續(xù)(li225。 傅里葉分析是將信號分解成一系列不同頻率的正弦波的疊加，同樣小波分析 是將信號分解為一系列小波函數(shù)的疊加，而這些小波函數(shù)都是由一個母小波函數(shù) 經(jīng)過平移
數(shù)學相關推薦
鄂ICP備17016276號-1