脑-计算机接口系统中诱发脑电信号的小波分析

针对特定思维诱发脑电信号的特点,提出一种确定其分布情况及提取其波形的方法·首先采用离散小波变换对脑电信号进行分解,然后使用小波奇异点检测和小波统计分析相结合的方法进行特征分析,确定特定思维诱发脑电信号处于小波变换的哪个尺度上,并根据分析结果重构出诱发脑电信号·结果表明,这种方法能够有效地消除脑电信号中的常见噪声,尤其适用于对诱发脑电信号的提取·     

基于小波变换的ERP信号分析

介绍多分辨率小波变换的基本概念,并介绍多分辨率小波变换在诱发脑电信号（ERP）分析中的应用以及如何应用多分辨率小波变换提取脑诱发电位的各频段信号。实验表明：该方法应用于脑诱发电位的分析是十分有效的。     

麻醉监测诱发脑电信号检测技术研究

阐述相干平均技术、加权平均技术和小波变换技术用于麻醉监测诱发脑电信号的基本原理和具体实现过程，通过仿真实验实现用这3种方法来滤除被测信号的强噪声成分，提取中潜伏期听觉诱发脑电信号．相干平均技术简单明了，硬件容易实现；加权平均技术可以有效地减少叠代次数，但它们都需要上百次甚至上千次刺激才能提取出有效的诱发脑电信号，得到的信号有时还可能是畸变信号；而小波变换技术则在单次刺激的情况下，就能获得较高的信噪比及满意的波形特征，得到的信号的噪声仍然是白噪声，具有较高的可信度．     

小波包变换和极限学习机相融合的脑电信号识别方法

为了提高脑电信的识别效果,提出一种小波包变换和极限学习机相融合的脑电信号识别方法.采用傅里叶变换对采集的脑电数据进行去噪处理,用小波包变换方法提取小波节律能量均值和小波包能量熵作为特征量,并用极限学习机进行分类.仿真实验结果表明,极限学习机分类速度快、泛化性能好,相对于其他脑电信号识别方法,能有效地提高脑电信号识别的正确率.     

情感识别中脑电信号Lempel-Ziv复杂度的研究

在生理信号中,基于脑电信号的情感识别越来越引起研究者的重视。Lempel-Ziv复杂度测量是一种有效的非线性脑电信号分析方法,同时在情感脑—机接口系统中还可以用于进行情感的识别。文章在传统Lempel-Ziv复杂度算法的基础上,提出一种新的Lempel-Ziv复杂度算法,从而更好地进行基于脑电信号的情感识别。首先进行脑电信号的预处理,通过小波包变换来保留脑电信号的低频信号;然后利用非线性滤波器来移除脑电信号中的奇异值;进一步我们提出一种有效的自适应Lempel-Ziv复杂度算法来度量脑电信号的复杂度,并应用此特征值来识别情感。实验结果证明此方法可以从脑电信号中提取出更多有效的模式。同时,它还能够精确地检测到脑电信号的振荡情况,从而提取出不同情感状态下脑电信号中本质的非线性特性。     

应用多分辨率小波变换提取脑电信号异常节律

脑电信号是非平稳的随机信号，其中包含了大量的生理和疾病信息，对于医生判断脑都是否有器质性的病变具有重要作用。因此对脑电信号的分析和处理一直是人们努力研究的领域。考虑到小波变换良好的时频局部化特性，利用多分辨率小波变换方法来实现脑电信号异常节律的提取，脑电信号经多分辨率小波变换后所得到的各个尺度的信号不仅反映了信号的频率信息，即尺度越大，对应信号的频率越低，同时也反映了信号的时间信息，即反映此时的EEG状态，实验结果表明，选择合适的小波基，可以有效地提取脑电信号中的异常节律。     

基于共空间模式和神经元网络的脑-机接口信号的识别

提出了一种基于共空间模式和LVQ神经元网络对不同意识的脑电信号进行分类的方法.脑电信号是通过电极在头皮表面采集的脑-机接口的控制信号,提取脑电信号特征并对其进行分类,组成不依赖于正常的由外围神经和肌肉组成的输出通路的通讯系统.首先利用小波包分解对原始脑电信号进行预处理,对分解后特定小波包子带的脑电信号进行共空间模式分解,提取最优的特征;然后利用LVQ网络对不同意识任务特征进行分类,实验结果表明,该方法取得了92.7%的平均分类识别率,已经达到脑-机接口实际应用的标准.     

基于小波包能量的脑电信号特征提取方法

在脑机接口研究中,针对运动想象脑电信号的特征抽取,提出了一种基于小波包变换和AR模型的特征提取方法.该方法首先利用小波包变换对大脑C3和C4处采集的2路运动想象脑电信号进行3层分解,抽取小波系数的能量特征;然后,利用Burg算法提取脑电信号的5阶AR模型系数;最后,将这2类特征组合,使用基于马氏距离的线性判别分类器对左右手运动想象脑电模式进行分类,正确率达到91.43%.该方法提取的特征向量较好地反应了运动想象脑电信号的事件相关去同步和事件相关同步的变化时程,为BCI研究中脑电信号的模式识别提供了新的思路.此外,该方法的识别率高,复杂性低,适合应用于在线脑机接口中.     

基于小波变换的脑电噪声消除方法

分析了基于传统陷波器的脑电消噪方法,根据脑电噪声所处频带及陷波器原理,设计了一种陷波器.并提出了基于小波变换的脑电信号分析方法并利用它来消除脑电信号中的噪声干扰.小波变换是一种多分辨率的时间-尺度分析方法,它能够将信号划分为不同频段的子带信号.根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果.最后对这两种方法的消噪结果进行比较.分析表明:利用小波变换能更有效、灵活地检测并去除脑电信号中的噪声干扰.     

基于奇异值分解的脑电信号去噪方法

指出了对脑电观测数据进行去噪从而提取出诱发脑电信号是临床和实验中的前沿技术之一。目前常用的平均方法需要比较多的实验次数，为缩短实验次数需要采用一些新的技术和方法．对奇异值分解方法在脑电信号去噪中的应用进行了研究．提出了3种具体的去噪算法，并给出了应用这3种算法对具体的脑电测量数据进行噪声去除的实验结果．分析实验结果表明：奇异值分解方法对脑电信号进行去噪有助于减少提取诱发信号所需的实验次数．     

基于Mallat算法的一维离散小波变换的实现

目的研究信号的局部化特征。方法应用Mallat算法,实现了信号一维离散小波变换的逐级抽取过程。结果信号经过离散小波变换后,将平滑分量和细节分量分离开来。结论应用该算法能够由粗到细的分析信号,同时也能通过滤波器组实现原始信号的重构。     

一维离散小波变换在心电信号降噪中的应用

为准确提取反映心电信号的特征信息,提出应用一维离散小波变换实现对心电信号的降噪处理方法。首先介绍了一维离散小波变换的基本思想;其次,应用小波分解与重构的方法(Mallat算法)在MATALB环境中编程实现对心电信号的降噪处理;最后,引入降噪信号与原信号的能量比(ENR)、均方根误差(RMSE)和自相关系数(AC)作为小波变换的降噪评价指标。可见,该方法能够有效地去除心电信号中的噪声干扰,对于实现心电信号特征信息的提取具有一定的参考价值。     

Mallat小波快速变换与IDRNN在卫星实时故障检测与识别中的应用

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类.     

基于SRFFT算法的快速小波变换谐波检测法

为快速准确的提取谐波分量及克服传统的FFT方法无时域局部性的缺点,提出一种基于复序列加窗插值分裂基快速傅里叶变换算法(SRFFT)的快速小波变换谐波检测法,以便准确快速的提取谐波.该方法采用凯瑟窗函数作为窗函数,通过改变β值和采样点数在主瓣宽度与旁瓣衰减之间进行选择;运用SRFFT算法、Mallat算法以及离散小波变换(DWT)算法对信号进行快速分解及重建.模拟分析结果表明,该方法运算精度很高,可以快速准确的提取谐波信号参数.     

振动攻丝扭矩信号处理中应用小波分析

介绍了小波分析理论及Mallat快速算法，将它应用于振动攻丝扭矩信号分析中，并从扭矩信号静态值提取和动态力分离二个方面，详述了小波分析在振动攻丝扭矩信号处理中的应用．研究表明：该方法能够有效地从振动攻丝扭矩信号中提取出它的静态值和动态力。     

基于Daubechies复小波的电能质量扰动检测

分析比较了现有用于短时电能质量扰动检测的方法后,提出从多分辨率分析理论出发,以Daubechies实小波为基础构造其复小波的方法,并将其应用于含噪电能质量扰动信号检测及微小电能质量扰动信号检测。仿真结果表明,利用该类复小波变换的恰当组合信息具有比实小波更好的检测效果,并且该类复小波能采用Mallat算法,具有良好的实时性。     

电主轴振动加速度信号特征提取

针对电主轴振动加速度信号存在噪声问题,本文研究了利用小波理论进行电主轴振动加速度状态信号的监测处理方法．介绍了电主轴的基本概念和简单结构;分析认为小波理论非常适合电主轴振动加速度状态信号的处理,它是非常重要的理论基础;阐述了小波基本理论以及Mallat算法;最后针对电主轴加速度信号,利用小波理论分析了信号与噪声呈现的不同特性,进行小波逆变换重构信号,解决了加速度信号去噪和恢复,这样可以准确提取电主轴的振动运行状态信息,为科学研究和数控系统的决策和控制提供了很好的依据．     

用小波变换提取局部放电信号

为了提取局部放电信号,采用二进尺度小波变换的Ｍａｌａｔ算法,应用Ｄａｕｂｅｃｈｉｃｓ小波,设计了低通、带通滤波器。数值仿真研究中,用指数衰减或衰减振荡波来模拟放电信号,研究了小波变换提取信号的效果及有关影响因素。仿真和现场监测数据处理的结果表明,由于小波变换具有多分辨率特性,能快速而有效地从多种窄带干扰中提取出放电信号,适当条件下还可实现较完整波形的提取。由于处理速率较高,适合在线监测时实时使用。     

基于小波变换的医学图像压缩方法

简要说明离散小波变换(ＤＷＴ)的Ｍａｌａｔ算法·分析了一维离散小波变换ＤＷＴ不能完全重构信号的原因·对二维离散小波变换ＤＷＴ的重构性进行了讨论·在此基础上提出改进型的Ｍａｌａｔ二维ＤＷＴ算法·压缩实验表明改进型的Ｍａｌａｔ二维ＤＷＴ算法对提高图像压缩及重建质量是有效的·     

基于可变邻域的小波变换的球团图像边缘检测算法

提出一种基于小波变换的球团图像边缘检测算法。Mallat等提出利用小波变换的局部极大值点来表征信号的奇异点，从而进行图像边缘提取。但小渡变换的局部极大值点的确定直接关系到边缘检测效果的优劣。提出一种基于模极大值的小渡变换的局部极大值点选择方法，实验表明，该方法比传统的图像边缘提取方法具有更好的效果。