首页 > 文献资料
-
稳态视觉诱发脑机接口特征提取方法的研究
目的 为有效提取稳态视觉诱发脑机接口(SSVEP-based brain-computer interface)中的脑电特征,提出一种基于独立成分分析(independent component analysis,ICA)与希尔伯特黄变换(Hilbert-Huang transform,HHT)的特征提取方法.方法 对采集得到的脑电信号进行带通滤波,得到预处理的脑电信号,将滤波后的脑电信号作为ICA的输入,经过ICA实现独立成分的快速获取.引入HHT对独立成分进行经验模态分解(EMD),分解获取固有模态函数(intrinsic mode function,IMF),通过对IMF的频域分析,即可提取出特征.将ICA和HHT法同WT法、ICA法以及HHT法等常用的特征提取方法在频域、功率谱估计、在时间消耗等多方面进行比对分析.结果 频域分析和功率谱估计中,本文提出的方法明显优于WT法和ICA法,略优于HHT法.时间消耗方面,本文提出的方法略优于HHT法.结论 基于ICA和HHT的特征提取方法在稳态视觉诱发脑机接口的特征提取中是可行的,并有效去除了脑电信号中的噪声.
-
体表胃电图慢波提取方法的比较研究
体表胃电图(electrogastrogram,EGG)具有幅值小、频率低和窄带宽的特点,并且极易受到心电、呼吸以及运动等干扰.文中对三种常用的EGG慢波的提取方法进行了比较,包括自适应滤波、小波多尺度分解和经验模态分解,并将三种方法分别应用于模拟的含噪EGG信号以及临床EGG慢波的提取.研究结果表明,三种方法各有优缺点,均能有效地提取出EGG信号中的慢波成分.与自适应滤波相比,小波多分辨率分解和经验模态分解获得了更高的信噪比和更低的重构方差.
-
体表心电图中T波交替现象的检测
T波交替(T-wave alternans,TWA)的检测对于预测室性心律失常有重要意义.本文首先利用基于经验模态分解(empirical mode decomposition,EMD)的降噪方法进行心电信号的降噪,然后采用小波变换进行心电信号特征点的识别,后给出以T波峰值点为参考点提取T波窗口的方法.通过对连续的128个T波窗口进行功率谱分析证实,上述方法实现了微伏级TWA的检测,可用于TWA的临床诊断.
-
经验模态分解在咳嗽音检测中的应用
咳嗽是众多呼吸道疾病中常见的重要病症之一,具有极其重要的临床信息.本文提出了一种基于经验模态分解(EMD)和Teager能量算子的咳嗽音识别特征,与传统方法提取的美尔倒谱参数相比,EMD方法的特征参数在个数上有大幅度的下降.试验证明,EMD方法的特征参数在高信噪比环境下的咳嗽音榆测中是行之有效的.
关键词： 经验模态分解 本征模态函数 咳嗽音 Teager能量算子 -
基于经验模态分解和Hilbert变换的QRS综合波检测算法
提出一种新的有效结合经验模态分解(EMD)和Hilbert变换的QRS综合波检测算法.采用EMD将心电信号分解成一系列内蕴模式分量(IMFs),舍去对应于高频噪声的IMF1和IMF2,舍去对应于低频噪声的后两个IMFs和趋势项,能有效地抑制高频噪声和基线漂移.将降噪后的信号进行Hilbert变换,得到对应的解析函数,利用其包络,进一步抑制高大P波、T波等对QRS综合波检测的影响,采用自适应阈值进行QRS综合波检测.经MIT-BIH Arrhythmia Database全部数据检测验证,平均正确检测率可达到99.78%,表明本算法具有较高的正确检测率和良好的抗噪性能.
-
基于希尔伯特黄熵的麻醉深度估计
麻醉深度监测是外科手术中必不可少的步骤之一.目前已经提出多种监测麻醉深度的脑电信号分析方法,尤其熵方法得到了广泛的关注.提出一种新的麻醉深度监测方法-希尔伯特黄熵,先用经验模态分解-希尔伯特黄变换处理脑电信号获取希尔伯特黄边际谱,再根据香农熵定义得到希尔伯特黄熵.对19个接受吸入药物七氟醚麻醉的病人脑电信号的希尔伯特黄熵和时频均衡谱熵进行计算、测试和比较,结果表明:希尔伯特黄熵能够更准确的区分麻醉和清醒状态,更适合于麻醉深度监测.
-
基于光电容积脉搏波的呼吸波提取
本研究通过人体指端的光电容积脉搏波,提取呼吸波信号.同时采用小波分析和经验模态分解方法对脉搏波信号进行分解并重构呼吸信号,然后与采集的呼吸波信号做相关性分析.通过对5名志愿者的实验,结果显示采用经验模式分解方法所提取的呼吸波具有更好的相关性.通过分析数据显示,其波形相关系数在0.5左右,AR频谱相关系数在0.8以上.由此可以证明,经验模式分解法可有效提取人体指端光电容积脉搏波中所包含的呼吸波成分.
-
基于经验模态分解的心率变异性谱分析研究
本研究提出了一种应用经验模态分解(EMD)和Lomb周期图进行心率变异性分析的方法,并对54例糖尿病(其中34例伴有显著临床自主神经病变症状)患者与49例正常对照者进行了临床实验对照分析.结果表明,基于EMD的Lomb周期图方法能够克服传统的重采样法对心率变异性谱分析结果造成的失真,在心率变异性分析尤其是在疾病诊断方面具有重要的应用价值.
-
超声图像中基于经验模态分解自动提取内-中膜厚度
目的 为改善传统人工标记测量血管内-中膜厚度(IMT)的准确性和稳定性,提出基于图像分割技术的经验模态分解(EMD)改进算法.方法 采用EMD改进算法去噪,根据血管壁的特点,在其中的极值点插值步骤使用非均匀的二维B样条函数,在水平和垂直方向上控制网格的密度不同,分别满足不同的分辨精度和平滑程度要求,改进了原始的二维EMD算法；然后通过K均值方法从图像中分离出血管腔、血管壁和其他组织,使用数学形态学算法逐步得到终的内-中膜组织分割结果.结果 改进EMD算法取得了较好的重建和滤波效果,有效克服了超声图像的强噪声和低分辨力对图像分割的限制,整个算法分割比较准确,算法复杂度相对较小.结论 改进EMD算法是在超声图像中自动提取内-中膜的较有潜力的方法,能有效去除超声噪声,同时保留条纹结构的细节和边缘信息,有望于其他强噪声环境下提取条纹结构.
-
HHT在生物雷达回波信号噪声抑制中的应用
目的:利用Hilbert-Huang Transform(HHT)的频率区分特性,对生物雷达回波信号进行处理,去除高频噪声成分,提高生物雷达对生命信息的识别能力.方法:首先对经过预处理的雷达回波信号进行经验模态分解获取其固有模态函数,并根据能量分析方法将固有模态函数区分为有用信号占主导模态与噪声占主导模态2个部分,然后用小波软阈值的方法提取噪声占主导模态部分中的有用成分,与有用信号占主导模态部分的固有模态函数叠加,获取雷达回波信号中的生命信息,实现对目标的识别.结果:HHT有效地去除了生物雷达回波信号中的高频噪声成分,提取出了人体呼吸信号.结论:与传统傅里叶去噪方法相比,HHT分辨率更高,能保留信号中的细节特征,为生命体目标的识别提供了更多的信息.
-
一种近红外无创血糖检测中的脉搏波预处理方法
目的:研究人体光电容积脉搏波提取动态光谱的方法,实现人体血糖浓度的无创伤检测.方法:采用自行研制的光电容积脉搏波采集系统采集人体脉搏波.针对采集到的原始信号中由于呼吸和系统噪声等影响产生的基线漂移和高频噪声,提出基于经验模态分解(empirical mode decomposition,EMD)结合软阈值去嗓及三次样条插值法进行去噪的方法(即EMD-Spline法),并用信号的频谱进行算法效果评价.结果:该方法有效去除了原始脉搏波信号中的基线漂移和高频噪声.结论:该方法提高了血糖浓度测定的准确性,将促进近红外无创检测人体血糖浓度精度的提升.
-
基于经验模态分解自适应滤波的胎儿心电信号提取
目的 提出了一种基于经验模态分解自适应滤波的胎儿心电信号提取法.方法 首先利用经验模态分解算法对孕妇腹部信号进行分解得到一组内模函数(IMF),然后将这组IMF作为自适应滤波器的主输入信号,并将孕妇胸部信号作为参考输入信号.通过学习算法自适应组合IMF,滤除母体心电信号成分,从而提取胎儿心电信号.结果 与结论基于仿真和临床的实验结果表明,该方法提取的胎儿心电信号误差小,性能优于传统的小均方和归一化小均方自适应滤波算法.
-
基于经验模态分解的我国布鲁菌病月发病率预测研究
目的 根据我国布鲁菌病(简称布病)月发病率的波动特征,采用经验模态分解(EMD)和时间序列分析,构建布病月发病率预测模型,并预测2017年我国布病月发病率.方法 从公共卫生科学数据中心和国家卫生计生委疾病预防控制局网站,收集并计算2004年1月—2016年12月我国布病月发病率.选取2004年1月—2015年12月的数据作为训练集建模,2016年1—12月的数据作为测试集验证模型.通过EMD算法将发病率序列分解为本征模态函数(IMF)1~IMF4和趋势项,对IMF1~IMF4建立支持向量机(SVM)模型,对趋势项建立自回归移动平均模型(ARIMA)疏系数模型,后将5个模型的输出值进行线性加权求和,得出布病月发病率预测值.结果 SVM模型的惩罚参数c的取值范围是0.0884~100.0000,核函数参数g的取值范围是0.0100~128.0000;ARIMA((1,12,24),1,0)模型中,常数项及滞后1、12、24阶的自回归系数分别为0.002003、1.087788、-0.145494、0.028783.本文方法预测2016年1—11月布病发病率的均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)分别为0.0201、0.0169、0.0665,序列未分解单一SVM模型预测2016年1—11月布病发病率的RMSE、MAE、MAPE分别为0.0722、0.0560、0.1975,序列未分解单一ARIMA模型预测2016年1—11月布病发病率的RMSE、MAE、MAPE分别为0.1650、0.1562、0.6100.根据本文方法计算得出2017年1—12月布病发病率预测值为0.2870/10万人~0.3726/10万人.结论 本研究根据相关发病率数据构建了基+于EMD和时间序列分析的我国布病月发病率预测模型,其预测误差较小,预测准确度较高;2017年我国布病月发病率预测值约为0.35/10万人.
-
基于Hilbert-Huang变换的脉搏信号分析
在分析Hilbert-Huang变换算法的基础上,利用此变换对脉搏信号进行了分析,通过经验模态分解把脉搏信号分解为一系列固有模态函数,并分析了各固有模态的频率特征,对各模态的生物学意义进行了描述.对固有模态函数进行Hilbert变换建立了脉搏信号的Hilbert谱和边际谱.结果表明Hilbert谱比小波变换所建立的时频分布具有好的时频分辨率,解决了时间分辨率和频率分辨率互相影响的问题;边际谱比傅里叶谱有更准确的物理意义.Hilbert谱和边际谱为脉搏信号的特征提取和模式识别提供了可靠的依据.
关键词： 脉搏信号 经验模态分解 Hilbert-Huang 变换 时频谱 边际谱 -
希尔伯特黄变换在电子耳蜗语音处理算法中的应用
为了提高噪声环境下的语音、声调语音以及音乐的识别水平，基于希尔伯特黄变换提出一种新的电子耳蜗语音编码策略，利用经验模态分解和希尔伯特变换提取语音的幅度瞬时幅度和瞬时频率，经滤波、调制等处理算法获取表征语音的精细结构进而合成刺激信号。以Matlab软件为平台对提出的算法和传统的连续间隔采样以及幅频联合编码算法进行仿真，分别处理50组语音测听材料并合成相应的语音信号。结果显示新算法合成的语音信号与原始信号的相关系数高于另外两种算法得到的相关系数，从而表明新算法可以保留更多原始语音的信息。
-
一种消除脉搏波信号中呼吸基线漂移的方法
该文提出一种在经验模式分解的过程中结合小波变换的方法，来消除呼吸基线漂移的影响。首先通过经验模态分解将脉搏波信号分解为若干内在模式分量，并判断出含有呼吸基线漂移信息的分量，再利用小波变换将这些分量分解，将代表呼吸基线漂移的小波细节置零，信号重构后就达到了消除呼吸基线的目的。利用自行研制的测量装置采集的脉搏波信号进行实验验证，并采用信号交直流比进行效果评价。结果表明该方法有效地消除了呼吸基线漂移，这将有利于血氧饱和度等人体生理参数无创检测精度的提高。
-
HHT方法在脉搏波信号分析中的应用
目的采用HHT(Hibert-Huang Transformation)时间序列分析方法处理从人体采集到的脉搏波信号.方法通过经验模态分解(EMD)技术将一非线性、非稳态过程的原始离散数据序列分解为一组内在模态函数(IMFs),然后对每一个IMF进行HT变换,这样得到的信号幅度和瞬时频率都是时间的函数,即获得脉搏波信号幅度和频率的时间分布.再根据已获得的HH谱,进而得到边际谱.这是一种更具适应性的、新型的、基于模态分解的时间序列数据处理方法.结果首先对一系列由标准的周期函数构造而成的时间序列信号进行了EMD处理,验证HHT方法分解的可行性、有效性;然后分别对一例正常人脉搏波信号和一例典型的冠心病人脉搏波信号进行分解处理,对得到结果进行了比较.结论HHT方法在生物医学信号处理领域将会有广阔的应用前景.
-
基于IMF能量熵的脑电情感特征提取研究
为提高脑电信号情感识别分类准确率,结合经验模态(EMD)分解和能量熵提出一种新的脑电特征提取方法.本研究主要介绍了EMD分解的基本原理,分析了传统EMD算法中的“端点效应”,采用分段幂函数插值算法改善了EMD分解的精度和性能,然后将改进后的算法应用到脑电信号特征提取,获取脑电信号的IMF分量后计算出IMF能量熵作为情感识别的特征,后通过分类实验对比改进后的EMD算法和传统EMD算法对脑电情感特征的分类准确率.实验结果显示改进的EMD算法能使识别率提高15％左右,并且以IMF能量熵为特征的平均识别率在80％以上,实验结果表明将IMF能量熵用于脑电信号情感识别是可行的.
-
一种同时消除脉搏波信号中呼吸基线漂移和高频噪声的方法
目的:基于光电容积脉搏波可以实现血氧饱和度等人体生理参数的无创检测.基于光电容积脉搏波测量时,由于信号采集过程中存在人体呼吸和仪器本身热噪声等干扰,脉搏波信号中存在着呼吸基线漂移和高频噪声,影响终的人体生理参数测量精度.方法:因此提出一种在经验模式分解的过程中结合小波变换的方法,来同时消除呼吸基线漂移和高频噪声的影响.首先通过经验模态分解将脉搏波信号分解为若干内在模式分量,并分别判断出含有呼吸基线漂移和代表高频噪声的分量,对于代表高频噪声的分量采用类似小波变换的方法进行滤波,利用小波变换将含有呼吸基线漂移的分量分解,将代表呼吸基线漂移的小波细节置零,信号重构后就达到了同时消除呼吸基线和高频噪声的目的.利用自行研制的测量装置采集的脉搏波信号进行实验验证,并采用信号交直流比R和信号的频谱进行效果评价.结果:有效地同时消除了呼吸基线漂移和高频噪声.结论:该方法将有利于血氧饱和度等人体生理参数无创检测精度的提高.
-
HHT谱分析方法在利用ECG信号检测睡眠呼吸暂停中的应用
目的:根据睡眠呼吸暂停与心率变化的关系,探讨从心电图中检测睡眠呼吸暂停的方法.方法:通过经验模态分解(EMD)技术将一非线性、非稳态过程的心率变异信号分解为一组内在模态函数(IMFs),对每个IMF进行Hilbert变换,获得HRV信号幅度和频率的时间分布,再根据已获得的HH谱,进而得到边际谱,然后提取信号能量的时频分布、瞬时频率、瞬时能量比、瞬时幅度的标准差等特征向量,根据特征向量的变化检测出睡眠呼吸暂停的位置和分布.结果:对同一个体的HRV信号的分析结果显示,正常呼吸阶段HRV信号的特征向量与睡眠呼吸暂停阶段HRV信号的特征向量有明显区别,实验结果证实了本文所提方法的有效性.结论:该检测方法物理意义明确,诊断结果精度高,为睡眠呼吸暂停综合症的早期诊断、监护及预后评估提供了新的分析工具.
关键词： Hilbert-Huang变换 经验模态分解 谱分析 睡眠呼吸暂停
