首页 > 文献资料
-
基于EEG模糊相似性的癫痫发作预测
本研究提出基于EEG序列模糊相似性指数方法预测癫痫发作.首先,结合复自相关法和Cao法对EEG序列进行了相空间重构;然后,计算相关积分时用Gaussian函数代替Heavyside函数,克服了Heavyside函数的刚性边界问题,使得计算相似性指数更加准确和可靠;后,分析大鼠癫痫EEG信号,检测癫痫发作前期状态.分析结果表明模糊相似性指数方法能够比动态相似性指数方法获得更长的预测时间和更低的错误预测率.
-
EEG信号的径向基函数神经网络预测
基于混沌动力学系统相空间的延迟坐标重构及人工神经网络的非线性特性.研究了采用基于自适应投影学习算法的径向基函数网络对实测的EEG信号进行预测.通过对径向基函数引入一宽度调节系数α,使网络的预测性能有较大提高.理论分析和研究结果表明:α的取值由EEG信号的关联维数D2决定,α在佳区间内取值能够更有效地对EEG信号进行预测.
-
改进EZW算法及其应用
近年来脑电图已广泛应用于脑疾病的诊断,对脑电现在一般是采取长时间监测,这就使得要存储或传输的数据量较大.因此,有必要对EEG信号压缩进行研究,并取得了一定进展[1-3].数据压缩就是减少必须分配给指定消息集合或数据采样集合的信号空间的数值,数据压缩属于信源编码的范畴[4].目前对脑电的压缩方法有矢量量化、多项式拟合、差分脉冲编码调制、小波变换编码等方法,其中小波变换在时域和频域具有良好的压缩特性,尤其适合于这种非平稳信号的数据分析和压缩,适用于生物医学信号的分析与处理[5].Shapiro提出的嵌入式零树编码算法是一种较为成功的二维图像小波压缩算法[6],本文在探讨小波变换和嵌入式零树小波算法的基础上,给出一种改进算的嵌入式零树小波算法,对改进算法进行分析并将其应用于一维EEG信号传输压缩中,以期对一维数据压缩技术发展有所裨益.
