在MEG场源定位中小波变换的一种应用

基于小波变换的多分辨率分析，利用阈值化概念，本文提出了脑磁场源定位分析中的一种降噪方法。用本方法对实验中所检测的由声音产生的脑磁信号进行处理，降噪效果明显，定位精度由几十毫米提高到几毫米。尤其在对原始信号进行低次数平均的情况下，本降噪方法更具优越性。     

基于希尔伯特-黄变换的小鼠脑电信号相关性分析

研究了小鼠脑电信号的分离问题。由于小鼠脑电信号是由多种不同波段的信号混迭而成的,且不同波段的信号是非平稳、能量差距很大的随机信号,因此对这些脑电信号的分离非常困难。先使用主成分分析(PCA)方法将信号的主要成分提取出来,然后再使用独立成分分析(ICA)在频域上对脑电信号进行分离。接着对分离的脑电信号δ波进行希尔伯特-黄变换。利用希尔伯特谱得到信号的瞬时频率信息,发现δ波的瞬时频率在某些时刻相对于其他时刻非常大。将这些瞬时频率出现异常的时刻,与呼吸信号的波峰出现的时刻进行相关性分析,得出呼吸信号与脑电信号中的δ波显著相关。     

三维脑电时-空模式识别系统的研究

结合时间和空间信息的脑电模式分析是近年来脑研究的一个重要课题.文中提出了一个多方法分层次的脑电时-空模式分析系统.系统包含了任务响应提取,颅内电流分布聚集,脑电自适应分段和时-空模式识别等几个步骤.综合运用了共空域子空间分解(CSSD),隐Markov模型(HMM)等多种现代信号处理方法.还提出了一种获取高空间分辨三维脑电的LORETA-FOCUSS算法,并将脑电微状态分析由二维推广到三维脑电的情况.将该系统运用于脑机接口(BCI)问题,对两类肢体想像动作的脑电数据在未经任何人工筛选的情况下进行了分析,识别率最高可达到88.89%,平均为81.48%.结果证明脑电时-空模式分析是脑研究的一种有效途径.     

小波变换在视觉诱发电位信号提取中的应用

在基于视觉诱发电位脑机接口研究中，需要在强噪声背景下迅速准确地提取出微弱的视觉诱发电位信号。对信号进行小波分解，分析诱发电位信号及噪声在不同尺度上的分布特点，选择诱发电位信号能量相对集中且能较好反映信号主要特征的频带设计了小波时频滤波器。小波时频滤波器结合少量次累加平均，可提高信噪比，提取出视觉诱发电位信号。实验表明，平均刺激9-20次就能提取出信号。本方法能准确快速地提取出有明显特征的诱发电位信号，有利于提高脑机接口通信速度及正确率。     

基于EEMD-多尺度主元分析的回转支承信号降噪方法研究

为较好地提取故障信号,提出一种集成经验模式分解(EEMD)和主元分析相结合的降噪方法,给出EEMD自适应分解后本征模函数(IMF)的选择方法,将提取出的IMF分量进行信号重构,从而达到降噪目的。将多尺度主元分析的EEMD降噪、基于峭度准则的EEMD降噪以及基于相关系数准则的EEMD降噪方法分别对仿真信号和回转支承故障信号降噪性能进行对比。研究结果表明:基于多尺度主元分析的EEMD降噪方法具有更高的信噪比(SNR),提取出更能反映真实故障信息的特征,具有一定的实际工程应用价值。     

脑电信号的现代谱分析技术

脑电信号是非平稳随机信号，它的频域特性的正确表达及精度，相位信息的提取，瞬态波形分析是当前ＥＥＧ信号处理研究中的３个热点问题，本针对以上问题讨论了谱参量分析，双谱分析以及时间－频率域分析的原理，方法，并给出一些ＥＥＧ信号处理的研究结果。     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声，在进行故障特征提取之前必须加以消除。首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比，然后将奇异值分解技术用于信号降噪。最后提出了一种将小波包和奇异值分解相结合的降噪方法。该方法将输入信号进行一次小波包分解，利用奇异值分解方法对分解后的幅值量化系数进行降噪。实例表明，小波包和奇异值分解相结合的方法降噪效果最好。与其他方法相比，用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高，且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号，大大提高了特征提取的准确率。     

级联自适应局部投影降噪方法

针对具有非线性、非平稳性特征的信号，提出一种邻域半径自适应局部投影和小波阈值去噪级联的降噪方法.首先，利用经验模态分解得到信号中的高频分量并以此估计噪声水平;再根据噪声水平确定邻域半径;最后，利用该半径进行局部投影处理并结合小波阈值方法进行细节平滑.Lorenz系统时间序列的降噪结果表明，本方法能够提高信噪比并降低均方误差，并在信号结构失真时恢复其原始吸引子形态，去噪和还原信号特征的能力皆优于小波阈值去噪方法.对桡、颈、肱动脉脉搏信号、心电信号的降噪结果展示了本方法在生理信号噪声抑制和特征保留方面的优越性能.     

EEG数据信号的Matlab滤波仿真设计分析研究

在处理脑电图(Electroencephalogram,EEG)过程中,对采集到脑电信号的预处理特别重要.文中利用信号分析与处理知识,在Matlab软件平台上仿真分析了不同小波基函数对脑电信号分解和重构的影响,以及利用db5小波基函数对EEG进行5层多尺度分解和重构,仿真信号颤动情况.通过采用不同阈值进行降噪和与低通滤波器的消噪仿真比较,对特定频带仿真结果进行分析和研究.研究结果表明:小波分析在EEG信号预处理降噪中可有效地提取脑电微信号,对EEG在更广的领域里发挥作用具有实用意义.     

小波分析在信号降噪处理中的应用

通过对比几种不同的信号降噪方法,论述了小波分析方法用于信号降噪的优越性。给出了一种简单的小波分析用于降噪的方法,并给出实验结果。     

采用Fisher线性判别分析进行MEG信号的分类

脑磁图(MEG)具有比脑电(EEG)信号更高的时空分辨率,可以作为输入信号建立脑-机接口系统.提出一种脑磁图的特征提取和分类方法,首先对MEG信号进行预处理,然后提取时域特征,最后采用Fisher线性判别分析进行分类.将该算法用于2008年脑-机接口数据竞赛的数据集Ⅲ,该数据集为一个典型的采用MEG信号的脑-机接口系统.离线分析结果表明,该算法取得了很好的分类准确率,对两个测试者(S1和S2)的分类正确率分别为5946%和4324%.与其他方法相比,该方法简单有效,运算速度快,具有较高的参考价值.     

手指按键相关脑磁图信号的功能源提取

独立分量分析(ICA)可用于分离多通道脑磁图信号(MEG)中的信号源。基于约束ICA的思想,通过在ICA模型中加入能够反映事件相关皮层神经活动特征的功能约束条件,实现了一种脑磁逆问题的解决方法,即功能源提取(FSS)方法。文中利用该方法对一例手指按键诱发MEG信号进行功能源提取,结果表明功能源位置位于对侧中央前回皮质运动区,且通过验证功能源提取所得到的分离向量与SAM法计算得到的空间滤波器系数间的相关性,验证了所提取的功能源有效。同时,功能源提取方法所提供的神经活动源的时域与频域信息,为在大量样本中探索大脑对手指运动控制的时间演化机制奠定了基础。     

基于近似熵快速算法的静息态脑磁信号分析

为了探究静息态精神分裂症患者脑磁信号的非线性动力学特性,提出了一种将小波变换和近似熵相结合的特征提取方法.该方法首先通过小波变换,将10个正常人和10个精神分裂症患者的脑磁信号进行6层小波分解,提取对应于脑磁信号θ波段和α波段的小波系数,继而计算和比较两类人近似熵的分布情况.实验结果表明,相同情况下精神分裂症患者MEG信号的各脑区和各通道间的近似熵都普遍高于正常人,α波段的额叶和中央区域尤为突出.该结果为进一步研究患者MEG信号特征进而建立相应的分类诊断模型提供了思路.     

甲基葡萄糖苷钻井液研究

以廉价的淀粉代替葡萄糖作为主要原料 ,直接与甲醇反应合成了甲基葡萄糖苷 (MEG) ,并对合成样品的部分理化性能、在粘土上的吸附规律、生物降解特性以及对岩心半透膜效率的影响规律等进行了测定。用合成的甲基葡萄糖苷配制了淡水、盐水和饱和盐水 3种钻井液配方 ,并对 3种配方的常规性能、高温性能、抗污染性能和活度进行了室内评价。结果表明 ,用淀粉合成的甲基葡萄糖苷 ,在理化性能上与用葡萄糖制备的试剂样品接近 ,用其配制成的钻井液具有活度低、高温稳定性好、流变性易调整和抗污染能力强等特点 ,且具有改善页岩膜效率的作用 ,无毒 ,易生物降解 ,是理想的环保型钻井液体系。     

硫酸工业中重金属对环境影响的研究

硫酸是重要的工业原料,但硫酸及其生产过程中产生的重金属对环境的影响却鲜为人知。为了查明硫酸工业中主要重金属的来源,影响以及不同制酸工艺产生的危害差异,我们对辽宁省主要生产硫酸企业进行了调研,并应用美国环境保护局工业环境实验室推出的“多介质环境目标值(MEG)”综合环境评价法,对原料中重金属的含量进行了数学模型的分析。     

表达HIV-1复合多表位基因的p815细胞稳定株的建立和评价

建立稳定表达HIV-1p24MEG复合多表位基因的p815细胞克隆.设计引物,以HIV-1标准株全长cDNA序列为模板,PCR扩增获得p24基因片段;合成改造后的多个表位基因MEG并且与p24片段相连接,克隆入pcDNA3.1(+).在阳离子聚合物作用下重组真核质粒转染的p815(H-2d)细胞, 以G418压力筛选,RT-PCR检测mRNA表达,间接免疫荧光检测蛋白表达.通过PCR获得了HIV-1 p24片段,获得了与多表位基因连接后的p24MEG融合基因,成功构建了p24MEG基因的重组真核表达载体pcDNA3.1(+)/p24MEG.转染p815细胞后, RT-PCR检测到融合蛋白mRNA表达,间接免疫荧光显示 p815细胞内有融合蛋白的表达.结论:建立了稳定表达HIV-1p24MEG融合蛋白的p815细胞克隆,为评价多表位抗原p24MEG在BALB/c小鼠体内诱导的细胞免疫应答奠定基础.     

一种面向物联网的轻量级入侵检测方法

为了适应实时性强、资源有限类物联网应用的需求,提出一种相对于传统入侵检测方法能明显减少计算量的轻量级入侵检测方法.在训练过程中先对样本进行K-means聚类,使类内数据之间的距离最小、相似度最大;然后逐个对聚类结果进行主成分分析(principal component analysis,PCA),去除无关并保留相关性大的特征,构成该类的特征集;在检测过程中比较测试数据与训练过程中各聚美中心的欧式距离,选取最小距离对应的聚类中心,并将测试数据划归到该中心对应的聚类中;利用该类的特征集与测试数据中对应维度的数据对比来进行入侵检测,若比较结果超过阈值则报警,否则予以通过.仿真实验结果表明,该方法在明显缩短检测时间的同时,检测率可达96.8％.     

基于mcODM-STA的风电机组变桨系统故障诊断

针对风力发电机组变桨系统故障诊断模型参数难以优化问题,提出了基于状态转移算法优化多类最优间隔分布机(multi-class Optimal Margin Distribution Machine optimized by the State Transition Algorithm,mcODM-STA)的风电机组变桨系统故障诊断方法.该方法选择风电机组功率输出作为主要状态参数,利用Pearson相关系数对风电数据采集与监视控制系统中风电机组历史运行数据进行相关性分析,剔除与功率输出状态参数相关性较低的特征,对余下特征进行二次分析,减少样本特征.将数据集分为训练集和测试集,训练集用来训练所提故障诊断模型,测试集用来进行测试.利用国内风电场实际运行数据进行实验验证.实验结果表明,与其他多种参数优化方法相比,所提方法故障诊断准确率和Kappa系数更高.     

基于深度小波自动编码器和极限学习机的轴承故障诊断

针对原始振动数据无监督特征学习问题,提出了一种深度小波自动编码器(deep wavelet automatic encoder,DWAE)与鲁棒极限学习机(extreme learning machine,ELM)相结合的滚动轴承的智能故障诊断方法。首先,利用小波函数作为非线性激活函数设计小波自动编码器从而有效地捕获信号特征。其次,利用多个小波自动编码器构造一个深度小波自动编码器来增强无监督特征学习能力。最后,采用鲁棒极限学习机作为分类器,对不同的轴承故障进行分类识别。用该方法对实验所得的轴承振动信号进行对比分析,结果验证了该方法能够在原始振动数据无监督特征学习的条件下该方法优于传统方法和标准深度学习方法。