20xx年醫(yī)學專題—基于小波變換的腦電信號特征提取-資料下載頁
2024-11-09 03:10本頁面
【正文】 此，本文選用db5小波對腦電信號進行3層分解，即x(n) = A3 + D3 + D2 + D1，則各分量對應的子頻帶見表1。,第二十四頁，共三十頁。,三、基于小波變換(bi224。nhu224。n)的EEG特征提取,表1 小波分解(fēnjiě)的各層頻帶范圍 Table 1 Frequency band range of each level of wavelet decomposition,第二十五頁，共三十頁。,小波系數(shù)能表達(biǎod225。)信號在時域和頻域的能量分布，因此利用小波系數(shù)的能量能 反映出腦電信號的時域和頻域特征。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，可提取對應于D2頻帶的小波系數(shù)的能量均值作為特征量 。同時，為了進一步突出想象單側(cè)手運動引起的FCFC6通道腦電信號的幅值差 異，本次實驗還提取了小波系數(shù)的能量均值差PS作為特征量，即 PS = PFC5 – PFC6 式中，PFC5為FC5通道的能量均值，PFC6為FC6通道的能量均值。,三、基于小波變換(bi224。nhu224。n)的EEG特征提取,第二十六頁，共三十頁。,三、基于小波變換(bi224。nhu224。n)的EEG特征提取,(a) 想象(xiǎngxi224。ng)左手運動,(b) 想象(xiǎngxi224。ng)右手運動,圖A 小波系數(shù)的能量均值,第二十七頁，共三十頁。,三、基于小波變換(bi224。nhu224。n)的EEG特征提取,圖B 小波系數(shù)的能量(n233。ngli224。ng)均值差,對左右手運動想象任務，各選取100組樣本數(shù)據(jù)計算，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。從圖4可以看出想象左手運動時，F(xiàn)C5通道的能量均值PFC5大于FC6通道的能量均值PFC6；想象右手運動時，F(xiàn)C5通道的能量均值PFC5小于FC6通道的能量均值PFC6。因此(yīncǐ)，腦電信號經(jīng)小波分解后，其對應于β節(jié)律頻帶的小波系數(shù)的能量均能作為區(qū)分左右手運動想象腦電信號的特征量。從圖B 可知，利用小波系數(shù)的能量均值差提取得到的特征很好地反映出了左右手運動想象腦電信號的差別。,將小波變換提取出的腦電信號特征，再經(jīng)過模式分類器，就可以作為計算機控制的指令去控制外部設(shè)備。,第二十八頁，共三十頁。,THANK YOU FOR YOUR TIME !,第二十九頁，共三十頁。,內(nèi)容(n232。ir243。ng)總結(jié),姓名:。三、基于小波變換的EEG特征提取。號進行多尺度的細化分析，解決了Fourier變換不能解決的許多困難問題。（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。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。多尺度/多分辨率的特點，可以由粗及細地處理信號?？梢?，連續(xù)小波變換的結(jié)果可以表示為平移因子(yīnzǐ)a和伸縮因子(yīnzǐ)b的函數(shù),第三十頁，共三十頁
數(shù)學相關(guān)推薦
鄂ICP備17016276號-1