20xx年醫(yī)學(xué)專題—基于小波變換的腦電信號(hào)特征提取(存儲(chǔ)版)
【正文】 4。,二、小波變換(bi224。ng)：,二、小波變換(bi224。n)的實(shí)現(xiàn)過程：,二、小波變換(bi224。guǒ)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(yè)，共三十頁(yè)。 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(hào)。采用 Mallat算法，對(duì)信號(hào)進(jìn)行有限層分解，即,第二十三頁(yè)，共三十頁(yè)。本文分析的左右手運(yùn)動(dòng)想象腦電信號(hào)的采樣頻率為128Hz，信號(hào)的有用成分是14~30Hz的β節(jié)律。由表1可知D2（16~32Hz）在腦電信號(hào)的β節(jié) 律頻帶范圍附近，因此，可提取對(duì)應(yīng)于D2頻帶的小波系數(shù)的能量均值作為特征量 。ng)左手運(yùn)動(dòng),(b) 想象(xiǎngxi224。因此(yīncǐ)，腦電信號(hào)經(jīng)小波分解后，其對(duì)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(hào)的特征量。三、基于小波變換的EEG特征提取。,。ir243。ng)均值差,對(duì)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。nhu224。,小波系數(shù)能表達(dá)(biǎod225。nx237。s224。,人在想象單側(cè)手運(yùn)動(dòng)時(shí)，其對(duì)側(cè)相應(yīng)初級(jí)(chūj237。nhu224。,連續(xù)小波變換(bi224。,平移因子對(duì)小波的作用(zu242。nhu224。 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(duì)信號(hào)做濾波。 傅里葉分析是將信號(hào)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(hào)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(gè)母小波函數(shù) 經(jīng)過平移和尺度伸縮得來的。nhu224。,為什么選擇小波： 小波提供了一種非平穩(wěn)信號(hào)的時(shí)間尺度(chǐd249。nhu224。根據(jù)小波變換的 “時(shí)間—頻率窗” 的寬度可變的特點(diǎn)，為了克服上面所 述的第三個(gè)不足，只要不同時(shí)檢測(cè)高頻與低頻信息，問題就迎刃而解了。,（1）克服第一個(gè)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(duì)于同一個(gè)頻率指標(biāo)j， 在不同時(shí)刻 k，小波系數(shù)也是不同的。nhu224。nhu224。o)方法（濾波器）： AAR FFT HHT,一、腦電信號(hào)特點(diǎn)及一般處理(chǔlǐ)流程,模式分類的主要(zhǔy224。 γ波：頻率：30~45Hz，振幅：一般不超過30μV。,第三頁(yè)，共三十頁(yè)。因而，腦電信號(hào)表現(xiàn)出明顯的隨機(jī)性，一般不能用數(shù)學(xué)函數(shù)來準(zhǔn)確(zhǔnqu232。姓名(x236。人腦是一個(gè)龐大而復(fù)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(dòng)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(guān)系及活動(dòng)規(guī)律還沒有被我們清楚地認(rèn)識(shí)。人體腦電信號(hào)的強(qiáng)度很微弱，一般在微、毫伏級(jí)。 β 波：頻率：14~30Hz，振幅：5~20μV。,小波變換 CSP AR 特征提取的主要(zhǔy224。)小波變換CWT（ continuous wavelet transform ） 1986：Y.Me
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號(hào)-1