首页 > 文献资料
-
脑电中眼电伪迹的自动识别与去除
目的 为改善脑电中眼电伪迹的去除效果,基于脑电的非平稳性和模糊特点,提出一种将离散小波变换与二阶盲辨识相结合,并以模糊熵为眼电伪迹判别准则的眼电伪迹去除方法.方法 首先,采用离散小波变换对含噪的脑电信号进行多分辩分析,获得平稳性更好的多尺度小波系数;进而,选择同层的小波系数构成小波系数矩阵,并基于二阶盲辨识对其盲源分离,得到源信号的估计;进一步以模糊熵为判别依据,实现眼电伪迹的自动判别与剔除.实验数据采用BCI Competition IV公开数据库,使用信噪比、相关系数及均方根误差等常用伪迹判别指标进行衡量.结果 本文方法相对于常用的眼电伪迹去除方法在多个性能指标上均取得大值.结论 本文提出的眼电伪迹去除方法,实现了眼电伪迹的自动精确判断与剔除,并表现出很好的稳定性.
-
基于离散小波变换的fMRI数据特征提取
目的 设计一种灵敏度高且处理速度快的fMRI数据小波分析方法.方法 先用离散小波变换和频谱分析确定有用信号存在的小波分解尺度,也即特征尺度;再对实验数据进行离散小波分解,重构时将非特征尺度里的小波系数设置为0;再以相关分析对小波重构信号进行激活检测.结果 对视觉数据的分析结果显示,新方法的灵敏度与基于平稳小波变换、SPM2方法相当,而优于基于提升小波变换的方法;新方法的处理速度与基于提升小波变换的方法相当,但较平稳小波变换方法有较大提高.结论 本文为fMRI数据提供了一种更为灵敏且快速的小波分析方法,更为实用.
-
一种基于小波域检测与自适应神经网络模糊演绎系统的微钙化检测新算法
目的 基于乳腺癌微钙化的重要早期征象,研究乳腺X线图像计算机辅助诊断的检测与算法.方法 提出了一种新的微钙化自动检测技术:它采用离散小波变换分解图像的高频分量,在小波域中对疑似的微钙化进行检测,并使用自适应神经网络模糊演绎系统(ANFIS)进行自适应调节;然后使用基于多层感知器(MLP)的分类器对疑似的微钙化进行筛选,以降低检测的假阳性率.结果 在使用FROC曲线中段的参数组进行实际检测时,本算法的真阳性检出率达到了96.9%,每张图像的假阳性个数为0.2个.结论 由于拥有自适应调节能力,本算法与传统的微钙化检测算法相比,具有了更高的检测精度和稳定性.
-
线性时频分析在ECG信号分析中的应用
目的:心电信号(Electrocardio-signal,ECG)是人体中重要的生物信号之一,是一种具有非平稳性和非线性特性的信号.分析ECG信号是诊断心脏疾病的有利工具,近年来国内外很多学者致力于这方面的研究.本文探讨短时Fourier变换(STFT)和离散小波变换(DWT)这两种时频分析方法在ECG信号分析中的应用.方法:本文采用麻省理工学院的MIT-BIH数据库中提供的数据,运用MATLAB软件编程,讨论短时Fourier变换和离散小波变换在ECG信号分析中的应用.结果:通过编程,做出了正常ECG信号和失常ECG信号的短时Fourier变换的时域图和频谱图以及正常ECG信号和失常ECG信号的单级离散小波变换的结果.结论:正常ECG信号和失常ECG信号的STFT变换的时域图和频谱图都能反应出信号的频率和时间的变化关系.但是,正常信号和失常信号的频率和时间有明显不同,正常信号的能量随时间和频率的变化关系有序整齐,而且周围有较少的杂波；失常信号的能量随时间和频率的变化关系杂乱,而且周围存在较多的杂波.通过离散小波变化后,正常信号和失常信号均产生了不同的离散小波系数,根据不同的离散小波系数,可以很容易判断正常信号和失常信号的区别.
关键词： 时频分析 ECG信号 短时Fourier变换 离散小波变换 -
基于佳截断嵌入码块编码和离散小波变换的医学图像复合压缩算法
根据医学图像信息相对集中的特点,提出了一种基于佳截断嵌入码块编码和离散小波变换的医学图像任意形状感兴趣区域复合压缩方法,通过对图像感兴趣区域和背景区采用不同的编码方式,提高了医学图像压缩比,并确保了医学图像感兴趣区域的高质量重建.实验表明:该方法在重建图像质量和压缩比方面均达到了较好的性能.
关键词： 最佳截断嵌入码块编码 离散小波变换 感兴趣区域 图像编码 医学图像压缩 -
基于改进LBP特征的白细胞识别
采用先进的计算机图像处理与分析技术完成白细胞分类计数是辅助诊断血液疾病的重要方法.各种白细胞间的纹理差异较大,纹理是区分白细胞的重要特征之一.局部二进制模式(local binary pattern ,LBP)是一种有效的纹理描述算子.本研究提出了一种提取细胞的改进LBP特征用于白细胞分类识别的算法.首先,用小波变换对图像进行分解并重构,获得四幅不同频率的分量图,对其中的低频信号采用离散余弦变换.此后,用可变大小的子窗口对变换后的图像扫描,并根据不同区域赋以权值,获取改进的LBP特征,构成加权直方图.这种特征既能反映细胞局部特征又能反映整体特征.根据测试样本和模板的LBP特征直方图之间的马氏距离构建分类器.根据这种改进LBP特征有效地实现了白细胞的5种分类,得到了令人满意的分类正确率.实验结果表明:本研究提出的算法能有效地区分不同类的白细胞;与其他一些算法相比,提高了分类的精确度.
-
离散小波变换-支持向量回归方法同时测定苯酚、苯胺和苯甲酸
在波长范围200～400 nm测定苯酚、苯胺和苯甲酸混合液的吸收光谱,用离散小波变换(DWT)对光谱数据进行处理,再用支持向量回归SVR方法进行建模,建立了离散小波变换-支持向量回归方法(DWT-SVR).方法用于模拟样品和污染水样中苯酚、苯胺和苯甲酸的同时测定,结果满意.
-
基于空间频率与时间序列信息的多类运动想象脑电分类
结合共同空间模式(CSP)、离散小波变换(DWT)和长短期记忆网络(LSTM)方法,提出一种基于空间频率与时间序列信息的多类运动想象脑电特征提取方法.首先利用滑动矩形窗获得时间序列脑电信号,并采用DWT从每一段脑电信号提取运动想象脑电相关的子带小波系数,其次将小波系数通过一对多CSP进一步特征提取,得到的特征作为LSTM的输入,然后对LSTM的时间序列输出在时间步上进行平均,后使用Softmax分类器进行分类.实验结果显示,新算法取得92.23％的准确率,相比CSP特征以及结合频率或时间序列信息的CSP特征有较大提升,表明空间、频率、时间序列信息的互补性和有效性.
-
基于小波的医学超声图像斑点噪声抑制方法
斑点噪声是超声图像中固有的噪声.本文提出了一种新的去除斑点噪声的方法,这种方法结合中值滤波和多尺度非线性小波软阈值的优点,首先把原图像进行对数转换,然后把对数转换后的图像进行中值滤波处理,从而把转换后的图像分成两部分,对每一部分进行小波分析,假设小波系数服从广义高斯分布(GGD),利用小波系数的统计特性估计出各个部分各个尺度的阈值,后用软阈值方法对上述两部分分别去噪.实验结果表明,本文提出的方法在有效去除斑点噪声方面,优于中值滤波,维纳滤波和多尺度非线性阈值算法(MSSNT-A).
-
基于离散小波变换的多模态医学图像融合改进算法的研究
目的：提出一种改进的离散小波变换算法，并将其用于多模态医学图像融合。方法将源图像经过离散小波变换分解为高频和低频子图像；高频部分采用方向绝对值取大，能有效地保存图像的细节信息，低频部分使用区域能量比融合规则，保存了图像的绝大部分信息；用离散小波逆变换将融合子图像重构成融合图像。结果由3组医学图像融合效果比较可知，该算法在主观视觉效果和客观评价指标方面均优于现存的其他算法。结论该医学图像融合算法快速准确，在噪声环境和临床实例中均表现优越，可以获得较高质量的融合图像，具有较高的临床应用价值。
-
基于表面肌电信号的颈部肌肉疲劳评价算法比交研究
本研究旨在客观比较颈部肌肉疲劳评价算法的差异性,找出更加有效的颈部肌肉疲劳评价算法,为伏案姿势下颈部肌肉疲劳提供人因工程定量评价方法.本文利用无线生理仪采集了15名受试者使用记忆枕伏案12 min的颈部胸锁乳突肌的表面肌电信号,使用平均功率频率、谱矩比、离散小波变换、模糊近似熵以及复杂度5个算法计算出相应的肌肉疲劳指标;并使用小二乘法对肌肉疲劳指标进行线性回归得出确定系数R2与斜率k;确定系数R2可评价各种算法的抗干扰性;对斜率k进行柯尔莫哥洛夫—斯米洛夫检验得到大垂直距离Lmax,Lmax可评价各种算法对疲劳程度的区分能力.统计结果表明,在抗干扰方面,模糊近似熵在不同高度的记忆枕下都具有大的R2,且模糊近似熵与平均功率频率、离散小波变换的差异具有统计学意义(P＜0.05);在区分疲劳程度方面,模糊近似熵仍具有大的Lmax,大值达0.496 7.本文研究结果表明,模糊近似熵无论是在抗干扰性还是疲劳程度的区分能力上都优于其他算法,因此在进行颈部肌肉疲劳评价时,我们建议可将模糊近似熵作为一个较好的评价指标.
-
基于小波变换的R波检测算法
介绍了一种将小波变换应用于ECG信号检测R波的算法.该算法主要是在离散小波变换和多分辨率分析原理的基础上,利用db1小波特有的时频域特性,运用Mallat快速算法对心电信号进行了3层小波分解,分别在2、3层小波分解的高频系数中选择一定的阈值作为R波的判定条件,实现R波检测.通过对MIT/BIH(Massachusetts Institute of Technology /Boston's Beth Israel Hospital)心电数据库的R波检测,结果表明,该检测算法即使在噪声干扰和病态的情况下,也很容易实现对R波的准确检测和精确定位,具有相当高的定位精度,R波正确检测率高达到99.8%.
-
细胞膜离子单通道信号的频域分析方法
利用离散小波变换构造尺度能量分布函数(Power distribution function,PDF ),分析单通道信号的频域特征;同时采用功率密度谱(Power spectral density,PSD )方法进行分析.结果表明,基于离散小波变换(Discrete wavelet transform,DWT)的尺度能量分布是一种非常有效的单通道信号的频域分析方法.
