首页 > 文献资料
-
基于非线性能量算子的表面肌电信号MUAP发放检测
采用基于平滑非线性能量算子(smoothed nonlinear energy operator, SNEO)的方法对表面肌电(surface EMG, SEMG)信号运动单位动作电位(motor unit action potential, MUAP)的发放信息进行检测,提出一种能较精确确定MUAP发放数目的阈值检测方法.利用这些方法分别对肌肉轻度收缩和中度收缩时的SEMG信号进行了MUAP发放检测实验,结果表明,对于轻度收缩时的SEMG信号,本文的方法十分有效,而对中度收缩时的SEMG信号也能获得比较满意的检测结果.
-
一种基于EEG特征提取的癫痫棘波综合检测判决方法
癫痫特征的自动检测在临床应用上具有重要的意义.本研究综合小波变换、非线性能量算子、特征提取和神经网络等技术,提出了一种癫痫棘波检测系统,充分发挥各技术的优点,在对真实脑电数据的处理中,表现出良好的性能.
-
基于小波变换和Teager能量算子的癫痫脑电自动分类
提出一种利用小波变换和能量算子对EEG进行预处理提取癫痫特征信号,进行近似熵估计,对脑电信号进行分类的新方法.首先利用小波分析将EEG信号进行4层分解分成多个子频带,对频率接近棘波的第1,2层小波系数计算非线性能量算子,再对能量算子进行近似熵估计,后用SVM对EEG信号进行分类.结果表明,该方法对癫痫发作期EEG和正常的EEG分类效果比较理想.
-
一种基于经验模态分解的癫痫棘波检测方法
脑电癫痫特征波的自动提取对于患者的诊断以及减轻医生的繁重劳动都具有重要的意义.我们提出一种基于经验模态分解(EMD)的癫痫特征波检测方法,该方法首先经过EMD分解得到若干个固有模态函数(IMF),然后对其中的第一个IMF应用非线性能量算子(NBO)进行特征波提取,从而达到自动检测的效果.在对数值模拟的和真实的癫痫脑电信号(EEG)的仿真实验中,该方法都取得了较好的结果.
-
基于小波变换和非线性能量算子的神经元放电检测
微电极导向的立体定向手术中,微电极记录的神经元放电信号噪声干扰严重,信噪比变化大,影响着神经元放电脉冲的分析.利用小波变换和非线性能量算子相结合的一种新的方法能检测出神经元放电.通过对临床不同病人、不同特点的神经元放电信号处理,结果表明:该方法能成功地检测出细胞放电,提取出放电波形.