基于matlab的腦電信號(hào)處理-閱讀頁(yè)
2024-10-03 05:42本頁(yè)面
【正文】 ，符合生理學(xué)的研究結(jié)論。圖5 腦電信號(hào)經(jīng)小波分解后的各層分量由于采樣頻率是256Hz，所以對(duì)于自帶的頻率范圍是：相應(yīng)的各子帶的頻率成分如下表所示：子帶信號(hào)頻率范圍主要信號(hào)成分a80Hz~1Hz低頻干擾d81Hz~2Hzδ波d72Hz~4Hδ波d64Hz~8Hzθ波d58Hz~16Hzα波d416Hz~32Hzβ波d332Hz~64Hz高頻噪聲d264Hz~128Hz高頻噪聲d1128Hz~256Hz高頻噪聲表1 小波分解后腦電信號(hào)子帶的頻率范圍一般情況下，a8子帶內(nèi)是低頻干擾，ddd1子帶內(nèi)是高頻噪聲，ddddd4子帶內(nèi)是腦電信號(hào)，但也可能混有一定的噪聲，需要根據(jù)實(shí)際情況來分析。由以上小波分解得到的各層分量分析可知，α波主要集中在d5子帶內(nèi)。圖6 提取出來的α波節(jié)律從上圖中可以明顯看出α波波幅由小到大，再由大到小作規(guī)律性變化，呈棱狀圖形。圖7 原始信號(hào)與小波默認(rèn)閾值去噪結(jié)果圖的對(duì)比從原始腦電信號(hào)與去噪處理后的效果來看，經(jīng)去噪處理后的信號(hào)高頻信號(hào)有所減少。圖8 原始信號(hào)與小波強(qiáng)制去噪結(jié)果圖的對(duì)比 該圖表示的是除去了低頻干擾和高頻噪聲之后的結(jié)果，從與原始信號(hào)的對(duì)比中可以看出，高頻噪聲很明顯被消除了。3 討論基于FFT變換的功率譜估計(jì)適用于平穩(wěn)時(shí)間信號(hào)分析,計(jì)算結(jié)果只能反映信號(hào)段總體的平均功率分布情況, 不包含信號(hào)的任何時(shí)域變化信息, 并且譜估計(jì)的頻率分辨率與所采用的信號(hào)長(zhǎng)度成正比，即受數(shù)據(jù)點(diǎn)數(shù)目的影響。而小波變換具有多分辨率，且在時(shí)頻域都具有局部性，因此很適合用來分析非平穩(wěn)信號(hào)。4 結(jié)論本文利用實(shí)測(cè)的原始腦電信號(hào), 對(duì)腦電信號(hào)的處理方法與結(jié)果進(jìn)行了一定的分析和評(píng)價(jià), 以期為腦電信號(hào)處理及特征提取提供一定的理論參考和分析依據(jù)。腦電信號(hào)屬于非平穩(wěn)隨機(jī)信號(hào)，小波分析的方法可以直接對(duì)信號(hào)的某些頻率分量進(jìn)行觀察或者提取出有用的特征信號(hào)，為腦電信號(hào)的測(cè)量與分析提供了非常好的前
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1