首页 > 文献资料
-
改进的基于遗传算法稀疏分解的脑CT图像压缩
目的 提出一种新型的稀疏分解算法,对脑部CT图像进行压缩.方法 本文采用改进的遗传算法(genetic algrithm,GA)与匹配追踪(matching pursuit,MP)算法相结合以实现稀疏分解,对脑部CT图像进行压缩以节约存储空间.针对原有遗传算法计算时间长、匹配率低的不足,本方法优化了迭代次数的选择、竞争、变异等操作.结果 利用该算法对脑部CT图像分块压缩,使运算速度、压缩比和信噪比均得到提高.结论 通过分析与实验验证,改进的方法压缩比例更大,失真更小,运行时间更短,为脑部CT图像的压缩提供了一种新方法.
-
基于稀疏分解的心电信号波形检测及形状识别
为对心电信号进行波形检测和形状识别,解决心电信号自动诊断的重点和难点,在稀疏分解的理论基础上,构造符合心电信号特点的超完备字典,基于此字典,利用匹配追踪算法对心电信号做稀疏分解.根据稀疏分解所得解向量及与解向量在字典中对应的原子找出心电信号的特征波的起点、终点、峰值点等,终实现心电信号的几种特征波的波形检测及形状识别.实验证明该算法的QRS波群检测率为99%,P波、T波检测率为85%,对P波和T波的形状识别符合人的主观判断.这些检测和识别结果为心脏病的自动诊断提供了依据.
-
基于稀疏表示的两阶段脑电癫痫波检测算法研究
脑电癫痫特征波的自动检测具有重要的临床应用价值,本研究提出一种基于自适应预测滤波与稀疏表示的两阶段癫痫特征波检测算法.第一阶段,使用自适应预测滤波器粗检出有嫌疑的癫痫波时段,在保证检测正确率的同时,减少数据量,提高后续处理效率;第二阶段,先以高斯函数及其一、二阶导数为原子的生成函数构建一个冗余多成分字典,再应用匹配追踪算法仪获取可疑波段在此字典下的稀疏表示(自适应参数化表示),原子的结构参数能够准确度量瞬时波形的多种形态结构特征如宽度、幅度、锐度等,进而提出基于形态结构匹配的检测算法,对预检输出的可疑时段进行鉴别分类.检测结果表明该算法针对临床癫痫EEG的检测率为93.3%,正确率为88.5%,相应的漏检率为6.7%,误检率为11.5%.
-
基于稀疏分量分析的欠定盲源分离用于表面肌电信号分解
目的 解决表面肌电分解中电极数小于肌电源信号而产生的欠定问题,针对盲源分离求解欠定混合方程进行研究.方法 首先采用匹配追踪(MP)算法将肌电信号稀疏化,再利用空间退化与Hough变换法估计聚类轴并求解混合矩阵,后通过模板匹配法完成对运动单位动作电位(MUAP)波形的分类.结果 从较少的观测信号中获得源信号的估计值,并得到MUAP的波形和发放间隔(IPI)信息.结论 本文采用的方法对表面肌电信号的分解是有效的,且具有较好的分离效果.
-
面向特征抽取的EEG信号结构自适应稀疏分解模型建立
课题目的是研究面向特征抽取鉴别EEG信号是否具有癫痫的表征,从而实现EEG信号的自动检测与分析.具体方法是结合临床EEG分析的先验知识.模拟结构匹配性稀疏表示的层次处理机制来实现对EEG信号的结构自适应稀疏分解.结果发现:匹配追踪迭代选择的Gabor字典原子能够匹配EEG信号的内在结构.并具有显式的形态结构参数如位置、尺度、幅度等.由此可得出结论:基于EEG信号形态结构基础建立的过完备原子库,使得稀疏分解获取的信号时频结构参数同人工视觉分析标准建立了直接联系,应用这些时频结构参数与先验参数进行比对可直接判定是否为特征波形.
-
基于匹配追踪的癫痫脑电信号的时频分析
目的 鉴于匹配追踪算法具有良好的参数化描述特性,应用匹配追踪算法研究癫痫脑电的时频分布特征.方法 通过仿真算例,将匹配追踪算法与短时傅里叶变换、Wigner-Ville分布结果进行比较,验证该方法的频率分辨率高及参数化表征的优越性；应用上述3种方法对癫痫脑电和正常脑电进行时频分析,研究癫痫异常放电在时频平面的表现.结果 仿真结果表明基于匹配追踪算法能得到较好的时频分布；对癫痫脑电和正常脑电进行时频分析,癫痫脑电和正常脑电在时频平面上存在明显的差异.结论 基于匹配追踪的时频分析方法,能够更好地揭示脑电类非平稳信号的特征.
关键词： 匹配追踪 时频分析 癫痫 短时傅里叶变换 Wigner-Ville分布 -
一种基于稀疏表示模型的脑电图信号分析方法
目的:癫痫是以脑内神经元异常放电致部分或整体脑功能障碍为特征的慢性疾患,模拟生物视觉感知系统,根据神经元响应的稀疏特性,对癫痫高危人群进行神经系统电生理筛查,以便及早发现和对相关人群进行干预.方法:选取适合的稀疏分解的匹配追踪算法,用新的较少的原子来重建正常的脑电信号和特定疾病类型的脑电信号,便于对各种神经系统疾病的脑电信号的特征波进行识别和提取.结果:处理16导标准脑电信号,分离出癫痫特征波,并对特征波进行识别,从而得到对癫痫的诊断,在此基础上将癫痫特征波反映射到16导标准电极,应用相关源电位软件对癫痫灶进行初步定位.结论:应用稀疏表示模型可以获取对脑电图信号的有效表示方法,通过对脑电图信号各分量进行有效的机器识别,归纳出系列特征波图谱,供临床诊断参考,从而降低了癫痫信号识别的工作量,提高了识别效率和正确率,实现癫痫的规模筛查.
-
基于压缩感知的脉搏信号重构方法研究
为了提高动态脉搏信号检测过程中信号存储和传输的效率,减少信号中的冗余,该文结合脉搏信号的稀疏性,提出一种改进的自适应匹配追踪算法.该算法在稀疏自适应匹配追踪算法的基础上,采用变步长和双阈值判别条件用于提高估计信号稀疏度的准确性.将所提出的算法用于建模的脉搏信号和实际采集的脉搏信号,结果表明:该算法能够快速,准确地估计信号稀疏度,具有良好的抗噪性.与现有的稀疏自适应匹配追踪算法和正交匹配追踪算法相比,该算法重构速度快、精度高.
-
基于匹配追踪的脑磁图体感诱发信号提取方法
目的：利用匹配追踪(MP)算法的良好参数化描述特性，研究癫痫脑磁图的时频分布特征。方法：提出应用MP算法提取体感诱发磁场(SEF)信号的详细的时频成分。结果：对多例正常受试者的体感诱发脑磁图信号进行时频分析，从中提出大部分信号中都存在的时频成分，表明系列稳定的SEF时频成分可使用MP分解算法识别。结论：体感诱发信号通过MP分解，能够产生稳定和微小的时频成分，并且这些成分在时频中具有特定的位置，从而为临床脑功能和脑部疾患发病机制的研究提供可靠的研究指标。
-
基于匹配追踪的瞬时能量异常属性在Albertine地堑油气预测中的应用
东非裂谷Albertine地堑是当今世界油气勘探的热点地区之一,具有埋藏浅、演化快、地层新的地质特点.作为主力含油气层段的新生代地层中疏松砂岩异常发育,物性参数差异较大,受控于孔隙度以及孔隙流体的综合影响,含油气储层的地震响应无明显规律,油气预测难度较大.基于能量吸收分析思想的指导,在利用匹配追踪时频分解方法有效提高时频分辨率的前提下,进一步提出瞬时能量异常属性的计算方法.以Albertine地堑的W油田为例,针对含油气储层表现的低频能量增加、高频能量衰减的异常特征,借助瞬时能量异常属性实现了油气预测,预测结果获得了钻井的验证.
-
基于匹配追踪算法的强屏蔽剥离技术在樊159井区储层预测中的应用
当储层上覆地层含有厚层烃源岩等特殊地层时，这些地层在地震剖面上会呈现出强振幅特征，这会使下伏储层信息被掩盖，从而干扰储层的正常描述与预测。因此，消除强干扰对储层地震反射的影响，增强储层弱反射信号，对于提高储层预测精度，确定有利储层的空间展布有着重要意义。樊159井区位于樊东地区中西部，该区沙三下亚段和沙四纯上亚段分布高阻、高速厚层烃源岩，对下伏滩坝砂岩储层有强屏蔽作用，必须对其进行剥离。本文以樊159井区实际地震工区为例，分析了储层的地球物理特征，研究了基于层位控制的多道匹配追踪算法，实现了强屏蔽层的剥离。剖面属性对比和沿层属性分析结果表明，储层识别精度得到明显提高。
