首页 > 文献资料
-
基于听觉脑电信号的脑卒中康复实验模式研究
目的 本文设计了一种听觉刺激方法,即利用产生的左右手想象听觉脑电信号推断脑卒中患者的意图,控制手部康复机器人,以满足脑卒中患者的康复需求.方法 实验对象为2名受试者,各进行80次实验.根据脑电信号的非平稳非线性特性,利用Hilbert-Huang变换法分析想象脑电信号的频率特性,以信号能量值为特征向量,利用支持向量机(support vector machine,SVM)算法识别左右手的动作模式.结果 在与大脑运动感觉区域相关的C3、C4电极上,听觉脑电信号的事件相关去同步与事件相关同步现象明显,识别效果达80％以上.结论 该听觉刺激方法具有较好的识别效果,可用于患有视觉障碍的脑卒中患者的康复训练.
-
基于Hilbert-Huang变换的中枢疲劳脑电分析
目的 研究连续长时间脑力劳动对中枢疲劳的影响,探讨脑电的Hilbert-Huang变换参数与中枢疲劳之间的关系,寻找中枢疲劳程度评价的客观指标.方法 对连续脑力劳动前后状态下的脑电信号进行Hilbert-Huang变换,提取基本模式(IMF)分量及整个脑电信号的中心频率和能量比参数进行分析,并采用主观评价法对前后状态进行对照分析.结果 连续长时间脑力劳动后,主观感觉疲劳程度显著增加,脑电各IMF分量和整个脑电的能量重心向低频迁移,信号中能量分量较大的信号成分的频率降低.结论 Hilbert-Huang变换参数可以较好地反映疲劳前后脑电能量的分布情况,刻画整个脑电能量重心的迁移情况,为实时分析与监测中枢疲劳提供可能,有望成为衡量中枢疲劳程度的客观指标.
关键词： 中枢疲劳 脑电 Hilbert-Huang变换 -
基于脑电信号Hilbert-Huang变换的睡眠分期研究
目的 研究基于脑电信号Hilbert-Huang变换的睡眠自动分期方法.方法 对睡眠脑电信号进行Hilbert-Huang变换,求出具有物理意义的瞬时频率,并得到脑电信号在频率上的能量分布,作为睡眠脑电信号各个时期的特征,终利用近邻模式分类方法对睡眠各阶段进行分期决策.结果 通过对560个睡眠脑电信号样本进行分期,平均正确率达到81.7%.结论 经Hilbert-Huang变换得到的睡眠脑电信号特征,可以作为睡眠分期的有效分类依据.
关键词： Hilbert-Huang变换 脑电信号 睡眠分期 固有模态函数 -
基于Hilbert-Huang变换的脉率变异性提取方法
提出一种基于Hilbert-Huang变换的脉率变异性信号(PRV)提取方法.首先对脉搏信号进行经验模态分解,得到脉搏信号的内禀模态函数及其边际谱;然后,根据边际谱的频率范围选取能反映脉率变化的内禀模态函数分量;后,从分量中提取PRV信号.将所提出的方法应用于实际采集的脉搏信号,结果表明所提出的方法能从脉搏信号中准确地提取PRV信号,并且抗噪性很强.
关键词： 脉搏信号 脉率变异性 Hilbert-Huang变换 EMD分解 -
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 -
基于Hilbert-Huang变换的医学超声信号去噪
目的:探求一种基于Hilbert-Huang变换的医学超声信号去噪方法.方法:提出了一种基于Hilbert-Huang变换的医学超声信号去噪方法.首先对含噪超声信号进行经验模式分解,得到各阶IMF分量,然后对高频的IMF分量用阈值方法进行处理,把经过阈值处理的高频的IMF分量和低频IMF分量进行叠加,得到重构的去噪信号.结果:仿真实验表明,基于Hilbert-Huang变换的医学超声信号去噪方法可以有效地降噪.结论:Hilbert-Huang变换的医学超声信号去噪方法在自适应性和先验性方面优于基于小波的去噪方法.
关键词： 医学超声信号 经验模式分解 Hilbert-Huang变换 去噪 -
Hilbert-Huang变换应用于心电信号消噪
目的:对心电信号消噪.材料与方法:本文讨论了Hilbert-Huang变换中经验模态分解和瞬时频率求解的两个过程及其原理,着重于把经验模态分解运用到心电信号,将其分解成有限数目的模态函数,对模态函数进行不同的阈值和处理.结果:Hilbert-Huang变换方法可有效地去除心电信号中的一般干扰.结论:与传统的小波变换消噪相比,Hilbert-Huang变换应用于心电消噪有一定的优越性.
关键词： Hilbert-Huang变换 EMD 心电信号 阈值消噪 -
基于EMD方法和加窗的QRS波群检测算法
提出了一种基于经验模态分解(EMD)方法和自适应加窗技术的QRS波群检测算法,该算法主要是利用Hilbert-Huang变换提出适合QRS波群检测的EMD方法,利用该算法对sddb数据库中第30号信号和mitdb数据库中第208号信号进行处理,得到R波的检测结果；同时,利用自适应加窗技术对Q点和S点的检测技术进行分析.通过对MIT/BIT心率异常数据库的部分散据进行R波检测,结果表明,本文提出的算法具有很好的检测效果,其R波的平均正确检测率达到了99.62％,QRS波群的平均敏感性为98.91％,相应的平均特异性为99.35％.
关键词： 经验模态分解 加窗技术 Hilbert-Huang变换 QRS波群检测 -
基于脉象Hilbert-Huang变换和样本熵的动脉硬化症检测研究
动脉硬化是一种严重的心血管疾病,对人体危害极大,对其实现早期诊断具有重大意义.本文通过采集健康成年人和动脉硬化患者的脉象,结合Hilbert-H uang变换(HHT)和样本熵分析二者之间的差异.脉象信号经经验模态分解(EMD)分解后,分别计算每个固有模态函数(IMF)分量的样本熵值并对熵值做统计分析,发现动脉硬化患者第一个IMF分量的样本熵值小于正常人,且二者差异有统计学意义.计算HHT边际谱和不同频率段的能量值,发现动脉硬化患者的能量明显向低频移动.计算0～1 Hz之间的能量值,发现动脉硬化患者在该频段的能量明显高于正常人,t检验分析结果表明该频段的能量值在二者之间的差异有统计学意义.分析结果表明,通过HHT和样本熵对动脉硬化做出早期诊断是可行的.
关键词： 脉象 动脉硬化症 Hilbert-Huang变换 样本熵 无创检测 -
脑神经元放电信号Hilbert-Huang变换组织定位技术研究
在微电极导向的立体定向手术治疗帕金森病中,电生理信号靶点定位是手术的关键,我们提出了基于Hilbert-Huang变换(HHT)的神经元放电信号的分析方法,将临床手术中微电极记录的帕金森病人神经元放电信号分解为固有模态函数(IMF),用HHT建立神经元放电信号边际谱,找出神经元放电信号的位置关联因子,得到立体定向手术穿刺轨迹的放电信号HHT变换特征因子曲线.根据特征因子曲线可区分组织结构及边界,从而进一步确定毁损范围和毁损点.该方法可辅助临床医生有效地确定手术靶点和进行帕金森病的研究.
关键词： 帕金森病 神经元放电 微电极记录 Hilbert-Huang变换 靶点定位
