一种分析睡眠脑电图的时频特征图

使用Choi-Williams分布对一段睡眠脑电图（EEG）信号进行时频变换，利用局部频谱的特征估计各个时间间隔里的波形，并得到局部频谱的特征曲线，整段EEG信号中所有时间咪上的频谱特征曲线组成一种时频特征图，使用该时频特征图分析睡眠EEG，不仅能够统计该段EEG信号中各种基本波形的出现情况，而且可以观察EEG信号中每个基本波形的变化方式，通过时频特征图对采集的实际睡眠EEG数据进行分阶实验，结果表明，时频特征图可以作为一种分析睡眠EFG有效工具，有良好的应用前景。     

利用零相位数字滤波器检测EEG睡眠纺锤波

脑电信号是极其复杂的非平稳信号，能否有效地辨识出EEG中所包含的各种成分或者得到判断某种病理特征所需要的成分，对于发挥EEG的最大作用具有重要的临床意义。系统的相移可以改变输入信息中各分量之间的相对相位关系，因此即使系统的增益对所有频率都为常数的情况下，也有可能在输入的时域特性上产生很大的变化。讨论了FRR与RRF数字滤波方法及其实现。利用该方法可以使系统具有零相位特性，实现脑电信号的零相位失真滤波。根据睡眠纺锤波的定义，利用零相位数字滤波器，直接在时域中检测睡眠纺锤波，得到了较好的检测结果。     

深度学习的睡眠脑电特征波检测

回顾了深度学习（deep learning，DL）技术在睡眠脑电检测上的应用．以睡眠脑电过程中的纺锤波检测问题为例，探讨了睡眠脑电检测的各类方法，以及相较于传统信号处理算法，DL算法在睡眠脑电纺锤波检测问题上具有精度较高、对数据适应性更强的特点．针对进一步提高网络检测性能与硬件适用性需求，提出特征融合与脉冲神经2种改进型网络，并获得较高的检测性能，进一步阐释了DL技术在睡眠脑电特征波检测方面的应用潜力．      

基于时频分析自动识别睡眠脑电的梭形波

为了识别睡眠脑电图（EEG）中出现的梭形波，使用Choi-Williams分布对EEG信号进行时频变换，根据瞬时频谱估计局部范围里EEG的波形特征，在此基础上设计了一个自动识别睡眠EEG梭形波的方法，对实际睡眠EEG中的梭形波进行识别，识别正确率为85．04％，并且能够提供梭形波的定量指标。实验结果表明，经过进一步完善，这种方法可以作为神经内科专家用于研究睡眠生理变化的一种辅助工具。     

复杂电磁环境下多跳频信号盲检测

为了在复杂电磁环境中实现多跳频信号盲检测,提出一种基于时频图连通域特征的多跳频信号检测算法.首先利用短时傅里叶变换与wigner-ville分布(STFTWVD)组合时频方法完成时频变换,保证时频图的时频分辨率和交叉项抑制,并利用自适应二维维纳滤波去除背景噪声,提高算法抗噪性能;然后采用自适应阈值二值化算法对时频图二值化处理并进行8邻域连通域标记,提取每个连通域的特征组成分类特征集;最后利用改进的K均值聚类算法完成特征集分类,根据分类集统计结果和检测条件实现跳频信号检测.仿真结果表明:本文算法能够有效克服定频干扰、突发干扰和扫频干扰;在低信噪比条件下,算法聚类稳定性较好,跳频检测成功率较高.     

基于局域波时频分析的机械故障诊断

提出一种新的自适应时频分析方法——局域波法．结合仿真信号与故障检测信号进行分析研究,提出一种新的机械故障诊断方法并将其成功地应用到齿轮箱故障诊断中．振动信号能量在局域波时频分布中的变化,是局域波法诊断齿轮磨损故障的特征．诊断结果表明,局域波时频分析为齿轮磨损故障诊断提供了一种更为有效的手段,在故障诊断工程中具有广泛的应用前景．     

单分量微地震信号的P波S波到时自动拾取方法

 单分量传感器依然是目前矿山中应用最广泛的传感器。针对矿山每天采集到的大量信号,提出了一种针对单分量微地震信号的P 波S 波到时拾取算法。长短时窗均值比法(STA/LTA)可以用来检测信号的变化趋势,结合改进的特征函数对信号的几何特征予以加强,进而可以提高震相识别的精度。随着长短时窗的滑动,信号的变化趋势表现在走势图上,再利用震相到时判别阈值可以初步定位到P 波S 波的到时区间。初步确定到时区间后,分别在P 波S 波的到时区间内应用AR-AIC 准则,可以计算出信号发生突变的位置,这两个点即对应着P 波S 波的到时。结合时差阈值判别和时频图谱,对拾取的结果再次做检验。经过两次判别,有效地提高了该算法的拾取精度。通过对1000 多条单分量微地震信号进行验证,自动拾取能拾取到71%的P 波到时和79%的S 波到时,相同条件下,自动拾取的结果不低于手动拾取的精度,满足矿山应用的要求。     

基于最优化少量电极的思维任务脑机接口

为减少脑机接口的电极数量,采用基于最优化少量电极的共空间模式(CSP)算法提取不同思维任务下的脑电信号(EEG)特征值.首先,根据事件相关(去)同步化现象观察时频特性;然后,运用熵准则对单个电极进行可分性度量;最后,根据可分性排序,利用基于最优化少量电极的CSP算法和支持向量机算法对不同电极组合的特征值进行提取和分类,得出最优化的电极组合.结果表明,进行心算和想像空间旋转2种思维任务时被试的EEG信号在顶叶和枕叶区域存在明显的能量差异,6个被试可分性最高的电极均位于这2个区域;与传统的EEG信号处理算法相比,基于最优化少量电极的算法可以使系统使用的电极数减少至3.3个,并且分类正确率提高5.4%.因此,采用基于最优化少量电极的算法可以减少电极数目,改善思维任务脑机接口的性能.     

基于分数低阶Stockwell变换时频的机械轴承故障特征提取

时频分布是机械滚动轴承故障信号的有效分析方法,特殊情况下的机械故障信号或噪声属于非高斯Alpha(α)稳定分布,传统的Stockwell变换(S变换)时频方法性能退化甚至失效。基于S变换时频和分数低阶矩提出了一种分数低阶S变换时频分布算法,为了减少计算量及在线及时分析信号,提出了一种快速分数低阶S变换时频算法。仿真结果表明,所提出的分数低阶S变换时频算法及其快速算法能很好地工作在高斯噪声和α稳定分布噪声环境,性能优于已有的S变换时频。在实际应用中,所提出的时频算法能够较好的提取机械轴承故障信号的故障特征。     

基于时频熵的恒虚警率X射线脉冲星信号检测

针对强噪声下的X射线脉冲星信号检测,提出了一种基于时频熵的恒虚警率检测算法.首先对脉冲星信号的时频熵进行了定义;然后从理论上对脉冲星信号时频熵的分布特性进行分析,并用蒙特卡罗方法对理论分析结果进行验证.在此基础上,利用时频熵来设计检测统计量,对脉冲星信号进行基于恒虚警率的检测.仿真结果表明:本文算法可以有效提高检测概率,降低计算复杂度,并且可以在一定精度下给出脉冲星信号的时延值.     

基于匹配追踪时频LBP谱图的内燃机气门故障诊断方法

为直接对内燃机振动时频图像进行诊断识别,引入图像纹理特征提取技术,提出一种基于振动信号匹配追踪时频局部二值模式谱图的内燃机气门故障诊断新方法。首先,为清晰刻画内燃机时频图像中的各分量信息,利用匹配追踪算法(MP)获取无交叉项干扰项且时频聚集性良好的信号时频表示;然后引入局部二值模式(LBP)生成MP时频表示的LBP谱图,并将LBP谱图的灰度直方序列作为特征参数,利用支持向量机(SVM)对故障状态进行模式识别。在内燃机4种不同气门状态的诊断识别实验中,该方法最高识别率可达99.17%,表明基于MP时频LBP谱图识别的故障诊断方法具有较强的故障特征描述能力,能够准确诊断内燃机气门故障。     

Ways to Sparse Representation: A Comparative Study

Many algorithms have been proposed to achieve sparse representation over redundant dictionaries or transforms. A comprehensive understanding of these algorithms is needed when choosing and designing algorithms for particular applications. This research studies a representative algorithm for each category, matching pursuit (MP), basis pursuit (BP), and noise shaping (NS), in terms of their sparsifying capability and computational complexity. Experiments show that NS has the best performance in terms of sparsifying capability with the least computational complexity. BP has good sparsifying capability, but is computationally expensive. MP has relatively poor sparsifying capability and the computations are heavily dependent on the problem scale and signal complexity. Their performance differences are also evaluated for three typical applications of time-frequency analyses, signal denoising, and image coding. NS has good performance for time-frequency analyses and image coding with far fewer computations. However, NS does not perform well for signal denoising. This study provides guidelines for choosing an algorithm for a given problem and for designing or improving algorithms for sparse representation.     

混合粒子群MP算法在脑电信号分析中的应用

目的开辟脑电信号分析的新途径。方法将混合粒子群算法与MP算法相结合,对脑电信号进行重构。结果混合粒子群MP算法不但极大地提高了信号稀疏分解的速度,而且还能够取得良好的重构效果。结论混合粒子群MP算法可以作为脑电信号分析的新方法。     

基于非负矩阵分解的癫痫脑电自动检测

针对多分类癫痫检测算法因特征维数多而导致识别率不理想的问题, 提出了一种基于分数阶傅里叶变换 (FrFT: Fractional Fourier Transform)和非负矩阵分解(NMF: Non-negative Matrix Factorization)的癫痫脑电自动识 别算法。 首先采用 FrFT 对脑电信号进行时频聚焦, 并利用短时傅里叶变换 (STFT: Short-Time Fourier Transform)提取脑电信号的时频特征; 再应用 NMF 对提取的时频特征进行降维; 最后将降维后的特征输入到支 持向量机(SVM: Support Vector Machine)分类器中进行识别。 实验结果表明, 该方法能识别正常、 癫痫发作间 期和癫痫发作期 3 类脑电信号, 其分类准确率可达 98. 8%。     

改进的子空间匹配追踪导波信号识别方法

针对子空间匹配追踪计算复杂的缺点,提出一种改进的子空间匹配追踪（MSMP）方法.采用线调频小波函数作为匹配原子,选用微分进化算法（DEA）实现改进的子空间匹配追踪方法.利用29kHz t（0,1）导波对含缺陷的铝管进行检测实验,采用MSMP对检测信号进行匹配分解与重构.将匹配结果与基于微分进化算法的匹配追踪（MP）及基于t算子的进化规划算法（tEP）的正交匹配追踪（OMP）所得结果进行比较,并比较了基于DEA的MSMP和MP,基于tEP的OMP匹配所得参数.结果发现：重构所得信号质量明显提高,基于DEA的MSMP和MP方法匹配所得参数均能比较准确地反映缺陷位置以及激励信号的中心频率,基于DEA的MSMP匹配所得的参数更加准确且耗时更短,改进的方法可有效识别管道导波无损检测信号并定位缺陷.     

睡眠剥夺对大脑状态影响的时-频-空分析

结合脑电信号EEG的小波变换和非负矩阵分解,寻求正常睡眠和睡眠剥夺（sleep deprivation,SD）两种条件下,大脑状态在时域、频域和空域的主要差异,探讨其发生机制,并建立综合评价方法．为此,获取两种条件下11名受试者的听觉诱发电位,对脑电gamma频段做小波变换得到时频信息,采用ANOVA统计计算每个时频点的F检验值,对此进行两分量的非负矩阵分解结果表明,SD引起的大脑状态变化主要发生在40Hz左右,刺激后约400ms处的额叶和前额叶位置．基于此,分别从时频复合域、时域和空域的角度来分析具体的变化,发现SD引起gamma振荡减少,活动时间延迟,额叶功能区兴奋性降低,推断SD的作用机制在于降低了神经元的活动和同步化效应．分析表明结合EEG的小波变换和非负矩阵分解,可以建立一条从时、频、空三域全面评价大脑状态主要变化的途径．     

基于压缩感知的智能天线 DOA 估计算法

波达方向（direction of arrival,DOA）估计是利用具有一定空间结构的天线阵元对空间信源的来波方向进行估计。为解决MUSIC算法和ESPRIT算法在智能天线DOA估计中空间谱分辨率和抗噪声性能方面的不足,依据压缩感知理论的贪婪算法思想,将匹配追踪（matching pursuit,MP）算法和子空间追踪（subspace pursuit,SP）算法应用在DOA估计中,即提出2种新的算法MP-DOA和SP-DOA。这2种算法主要包括原子库建立、信号投影、最佳匹配原子筛选及信号特征提取等过程。4种算法的仿真实验与对比分析结果表明,MP-DOA算法在低信噪比情况下较其他3种算法性能更优越,SP-DOA算法在角度分辨率和对信源数的包容方面的性能较其他3种算法优越,也验证了应用压缩感知理论的优越性。     

基于多普勒小波变换的脱靶量参数提取方法

研究了脱靶量测量系统中靶弹的相对运动速度、脱靶量、脱靶时刻等参数的提取方法. 根据接收到的雷达目标回波信号的多普勒频率特性,提出用4参数基函数的时频信号表示法,从而引出多普勒小波变换的概念. 通过匹配追踪算法寻找与回波信号最匹配的基函数来确定脱靶量参数. 实验结果表明,该方法有效地估计出了脱靶量参数,且比其它方法更简单准确.