首页 > 文献资料
-
基于稳态视觉诱发电位的手机拨号系统研究
利用人体生物电作为人与外部设备沟通的桥梁,是一种新的人机交互方式.依此开展了基于稳态视觉诱发电位(SSVEP)的脑电手机拨号系统的研究.设计一种基于视觉诱发电位的实时脑-机接口系统,用于控制拨打手机号码.该系统采用单片机设计视觉刺激器,同时在LabVlEW平台上,利用功率谱估计实时提取诱发电位向量,产生脑-机接口控制命令,用于TC35无线模块拨打手机号码.通过5位受试者各10次实验验证,所设计的基于稳态视觉诱发电位的脑电手机拨号系统,识别正确率高达到100％,平均正确率98％,拨打任意一个11位手机号码的平均时间低于65 8,并且能保证正确拨打每一个号码.证明该系统的方案是可行的,具有较高的应用价值.
-
心音信号的分析及其特征提取方法的研究
心音的改变和心脏杂音的出现,往往是器质性心脏病的早体征.本研究讨论了一种全面的、综合性的心音信号分析方法,从多个角度对方法进行了探讨,提取心音的特征值,区分不同的心音.分析和仿真结果证明该方法能有效地区分不同的心音,有助于器质性心脏病的辅助诊断.
-
胃电慢波节律百分比计算方法改进
目的 从功率谱估计和计算规则两方面对胃电慢波节律百分比的计算方法进行改进.方法 首先引入线性调频Z变换估计功率谱,即具有较高频域分辨率,又能很好地估计能量;其次在计算百分比时引入主要频率成分的能量信息,用以反映各成分的大致时间分配情况.结果 与传统方法相比,新方法计算结果的方差约减小为原来的1/8,算法更稳定.结论 本文提出的新方法受到分帧情况的影响明显小于传统方法,在计算异常慢波频发的胃电数据的慢波节律百分比时,具有一定的意义.
-
α频率光刺激脑电信号同步化的初步研究
研究α频率(8～13Hz)闪光刺激是否能引起人脑枕区同频率脑电信号的增加.采集15名正常志愿者在平静、光刺激状态下的脑电信号,利用脑地形图、小波分析和功率谱估计的方法对α频率光刺激前后的脑电信号进行处理,将归一化后的数据分为平静-激活组、男女对照组、两个不同电极位置组进行对比分析,对组间信号的差异进行了讨论,并对受试者精神状态的变化进行初步探讨.结果表明:周期性α频率光刺激能引起大脑枕区同频率脑电的显著增加.通过分析实验数据,初步得到了大脑在外部闪光刺激时脑电的变化规律,本实验结果对研究外部刺激对脑电的影响有一定的参考价值.
-
麻醉深度监测中脑电信号特征提取方法
目的:对采集得到的麻醉深度监测过程中的脑电数据进行特征提取,得出脑电信号在麻醉深度加深过程中的变化规律,为进一步的定量研究提供参考.方法:在Matlab的平台下采用幅频分析和功率谱估计的方法对采集得到的脑电数据进行分析,提取信号特征.结果:在清醒状态时,脑电信号的能量主要集中在δ段,随着麻醉深度加深,δ段的能量开始降低,并且(б)段的能量在增加;在适合的麻醉深度时,脑电的能量主要集中在(б)段,在不断加深的过程中δ段能量在增加;在过量麻醉时,脑电的δ段能量在增加.结论:通过幅频分析和功率谱估计可以很好地提取脑电信号的特征,对于指导临床手术中药物剂量的运用具有一定的意义,同时为后续开展麻醉深度研究提供指导.
-
睡眠脑电的自回归模型阶数特性
传统睡眠脑电(Sleep EEG)研究从信号的时域和频域的特征分析睡眠过程,通常根据功率谱观察信号中特定节律的出现和频带的分布.而功率谱估计中基于参数模型的方法得到广泛应用,但建模时通常只能根据经验选择一个固定较低的阶数.本文讨论了自回归模型阶数(Autoregressive model order,ARMO)估计准则的一些新进展,并且统计了一段睡眠过程中EEG的阶数分布.结果显示EEG的ARMO分布集中在差别很大的几个区间,可以用来表示睡眠EEG分期内微结构和过渡过程,并在一定程度上提供EEG的特征和组成成分的信息.
-
机械瓣心音频谱分析与基于改进LDB算法的识别
听诊是通过听取心脏所发出的声音来帮助诊断各种心脏疾病的一种有效手段.鉴于目前机械瓣的使用非常普遍,研究简单有效的机械瓣病变判别方法对于临床诊断来讲具有很大的意义.针对五种不同的机械瓣心音进行的分析表明,运用频谱仅能鉴别瓣周漏这一种机械瓣病变.虽然直接利用信号的时频成分进行机械瓣心音分类是可能的,但识别率只有84.0％.利用改进的局部优基(LDB)算法来提取特征对机械瓣心音分类有着非常大的帮助,识别率达到了97.3％.与原始的LDB算法相比,实验表明改进后的LDB算法对提高识别率和降低计算复杂性都有着明显的优势.
