首页 > 文献资料
-
脑电双频谱指数监测在ICU中的应用
Bispectral index-脑电双频谱指数是经过计算机自动处理的脑电图定量分析指标.双频谱分析是一统计学技术,用以研究非线性特征的现象.脑电信号即为大量神经细胞的非线性耦合的产物,是一个高度非线性多单元连接的复合体;它将时间-振幅关系的原始脑电信号转换成频率-功率的关系,这种时域变为频域的变换,应用了快速傅立叶变换[1],傅立叶分析提供了获取频域信息的一种较为完整的方法,它使我们利用频率、幅值和相位来描述时域中的振动波形,找出杂乱无章的脑电信号中的主要振动频率特点[2].
-
言语识别中的时域及频域信息
本文对言语识别中的声学要素从时域和频域的角度进行探讨,旨在为人工耳蜗编码策略的改善提供理论依据.声码器技术被用于一系列的实验以确定时域和频域信息对言语识别和汉语四声识别的相互作用.频域信息是由声码器中的频道数来决定,而时域信息则是由声码器的低通滤波器的截止频率来决定.听力正常成人参加了各项感知试验.结果 表明,时域和频域信息都对音素识别很重要.在安静环境下,辅音和元音识别率分别在8和12频道及16 Hz和4 Hz的低通截止频率时达到平台成绩.在噪声环境下,元音识别受益于增高的频道数.汉语四声的识别需要256 Hz的低通截止频率才达到平台成绩,这一频率比英语音素识别所需的时域信息高得多.声调识别率在本研究中高频道数12时仍未见饱和.为了研究细微结构和时域包络对四声识别的相对重要性,我们用声嵌合技术将不同声调信号的时域包络和细微结构进行对换.感知实验结果表明,声调识别主要取决于细微结构,这一点与音乐感知的结果类似,而不象言语识别,后者主要依赖于时域包络信息.因此,增加人工耳蜗系统中有效的频道数将有助于尤其是噪声环境下的言语识别.将人工耳蜗刺激中提供更多的细微结构信息可能会提高患者声调识别的成绩.
-
频域和时域信息对连续交替取样策略汉语声调识别的贡献
文献研究表明,在电子耳蜗连续交替取样策略中,时域信息特别是包络随时间的变化轨迹对汉语声调识别有重要影响.在本文中,调整原始信号的包络轨迹,使四个声调的信号具有大体相同的包络变化曲线,称为调整信号.原始信号和调整信号分别通过CIS方案模拟,进行识别率对比.结果显示,在CIS方案中,时域信息对汉语声调识别有重要影响,但是频域信息是汉语声调识别的首要因素.
