20xx年醫(yī)學(xué)專題—基于小波變換的腦電信號特征提取(文件)
【正文】 和尺度伸縮得來的。,可以這樣(zh232。 可以看成用基本頻率特性為的帶通濾波器在不同尺度a下對信號做濾波。n),第十五頁，共三十頁。nhu224。n),傅立葉分解(fēnjiě)過程,小波分解(fēnjiě)過程,第十七頁，共三十頁。,平移因子對小波的作用(zu242。n),平移因子使得小波能夠沿信號(x236。,連續(xù)小波變換(bi224。n),第二十頁，共三十頁。nhu224。)尼奎斯特采樣定理）,二、小波變換(bi224。,人在想象單側(cè)手運(yùn)動(dòng)時(shí)，其對側(cè)相應(yīng)初級(chūj237。為了減少特征向量的維數(shù)，本次僅分析β節(jié)律。s224。設(shè)信 號x (n)的采樣(cǎi y224。nx237。,第二十四頁，共三十頁。,小波系數(shù)能表達(dá)(biǎod225。,三、基于小波變換(bi224。nhu224。,三、基于小波變換(bi224。ng)均值差,對左右手運(yùn)動(dòng)想象任務(wù)，各選取100組樣本數(shù)據(jù)計(jì)算，得到小波系數(shù)的能量均值和能量均值差分別如圖A 和圖B所示。,將小波變換提取出的腦電信號特征，再經(jīng)過模式分類器，就可以作為計(jì)算機(jī)控制的指令去控制外部設(shè)備。ir243。（3）克服第三個(gè)不足：通過與加窗傅立葉變換的“時(shí)間—頻率窗”的相似分。,。多尺度/多分辨率的特點(diǎn)，可以由粗及細(xì)地處理信號。三、基于小波變換的EEG特征提取。,THANK YOU FOR YOUR TIME !,第二十九頁，共三十頁。因此(yīncǐ)，腦電信號經(jīng)小波分解后，其對應(yīng)于β節(jié)律頻帶的小波系數(shù)的能量均能作為區(qū)分左右手運(yùn)動(dòng)想象腦電信號的特征量。n)的EEG特征提取,圖B 小波系數(shù)的能量(n233。ng)左手運(yùn)動(dòng),(b) 想象(xiǎngxi224。n)的EEG特征提取,第二十六頁，共三十頁。由表1可知D2（16~32Hz）在腦電信號的β節(jié) 律頻帶范圍附近，因此，可提取對應(yīng)于D2頻帶的小波系數(shù)的能量均值作為特征量 。nhu224。本文分析的左右手運(yùn)動(dòng)想象腦電信號的采樣頻率為128Hz，信號的有用成分是14~30Hz的β節(jié)律。nhu224。采用 Mallat算法，對信號進(jìn)行有限層分解，即,第二十三頁，共三十頁。nhu224。 根據(jù)這一特征，可使用μ節(jié)律和β節(jié)律來分析左右手運(yùn)動(dòng)想象腦電信號。n),離散小波變換的可逆問題——框架理論 DWT的可逆問題蘊(yùn)含的是DWT的表達(dá)能夠完整的表達(dá)待分析信號的全部信 息，這就需要數(shù)學(xué)上的框架理論作為支撐了，如果(rguǒ)小波函數(shù)滿足“容許”條件，那么連續(xù)小波變換的逆變換是存在的,第二十一頁，共三十頁。nx249。n)的實(shí)現(xiàn)過程：,二、小波變換(bi224。o)的時(shí)間軸實(shí)現(xiàn)遍歷分析，伸縮因子通過收 縮和伸張小波，使得每次遍歷分析實(shí)現(xiàn)對不同頻率信號的逼近。ng)：,二、小波變換(bi224。nhu224。,二、小波變換(bi224。)小波變換有兩種典型的概念：連續(xù)小波變換，離散小波 變換。,二、小波變換(bi224。ng)；理解小波變換的含義：打個(gè)比喻，我們用鏡頭觀察目標(biāo)信 號
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1