多通道脑电信号眼电伪迹自适应去除方法

针对现有方法在眼电伪迹自动去除中存在有用信息丢失,伪迹分量识别困难的问题,提出了一种结合粒子群优化算法、独立成分分析和小波变换的伪迹自适应去除算法。首先,采用均方根误差和Pearson相关系数设计了粒子群优化算法的适应度函数,利用优化算法实现了两个样本熵阈值的自适应设置;然后利用快速独立成分分析算法将脑电信号分解为统计独立分量,根据第一个样本熵阈值自动识别含伪迹分量,含伪迹分量经过四层小波分解得到五个小波分量,根据第二个样本熵阈值自动识别伪迹分量,将识别的伪迹分量置零;最后经过小波重构和逆变换,获得去除眼电伪迹的脑电信号。采用Graz data set A数据集进行实验验证,结果表明提出的方法能够实现多通道脑电信号伪迹的自动去除;采用Klados数据集进行实验验证,结果表明,与SE-CEEMDAN方法相比,采用提出方法实验获得的均方根误差降低了4.816,约38.2%,Pearson相关系数提高了0.025,约2.97%。     

去除癫痫脑电信号运动伪迹的变分模态分解-自适应熵阈值方法

针对癫痫发作前期脑电信号中含有运动伪迹影响癫痫预测的问题,提出一种变分模态分解-自适应熵阈值(VMD-AET)的运动伪迹去除方法。设计了实验室环境下8种模拟运动状态,分析不同运动状态下脑电信号的变化规律;利用VMD方法获得脑电信号各频带的变分模态分量,对分量进行能量熵求解和排序;采用不同的熵阈值进行运动状态下伪迹分量的去除,比较得到能量熵的最优阈值,得到不含运动伪迹的脑电信号;采用Matlab软件使用VMD-AET方法实现了脑电信号中运动伪迹的有效去除。实验结果表明:每种运动状态均能达到去伪迹效果,在跑步时伪迹去除率和信噪比提升最高;对癫痫病人发作前期脑电信号的伪迹去除率为5.54%,信噪比提升达到10.35 dB;与常用的独立成分分析和经验模式分解的阈值法进行对比,所提VMD-AET方法的伪迹去除率和信噪比提升了1.47%和3.36 dB,可满足对移动脑电运动干扰的预处理要求。     

基于独立分量分析的眼电伪迹去除方法研究

脑电信号极易受到眼电信号的干扰,这会导致脑电信号处理结果与实际情况发生较大的偏差,因此,去除包含于脑电信号中的眼电成分是信号预处理的一个重要操作。研究了独立成分分析理论及概要模型,提出一种基于Informax的优化ICA方法,对混入脑电信号中的眼电信号进行辨别、分离、重构,实验结果表明该方法能够准确地从混合信号中区分出眼电伪迹的独立成分,进而实现对原脑电信号的特征增强。     

诱发脑电信号执行控制力特征识别研究

斯特普(Stroop)干扰试验常被用于执行控制力研究中,结合脑电在认知能力领域中的应用,采用数字Stroop干扰试验来诱发脑电信号,通过以样本熵为参数试验条件下脑电信号复杂度分析,观察脑电复杂度变化规律,建立执行控制力脑电特征识别方法.随机选取35名大学生进行数字Stroop干扰试验,同时采集被试的脑电信号,对脑电复杂度分析发现:试验过程中被试脑电样本熵值先降低后上升,最后回到正常水平;Stroop干扰试验下测评分数越高的被试,其样本熵的降低幅度越小.相关性统计分析得到,样本熵变化值与执行控制力相关系数为-0.699,呈显著负相关.研究表明基于Stroop干扰试验下脑电信号复杂度能够反应被试的执行控制力.     

基于AR-Copula与ICA的脑电噪声检测和去除

在脑电信号的实时采集过程中,噪声伪迹会对采集到的脑电信号产生较大的畸变。利用Copula理论结合AR时间序列模型研究脑电信号与引起其畸变的噪声之间的相关性,设计并实现了基于尾部相关性的脑电噪声自动检测算法。根据检测结果,对受干扰的数据段进行了ICA噪声去除处理。本文方法能够自动检测受干扰影响的数据段,并且在很大程度上减少了ICA算法的迭代次数,提高了数据实时处理的效率,适用于脑电信号的实时处理过程。     

离散小波变换结合二阶盲辨识的眼电伪迹自动去除方法

针对传统去除眼电伪迹的方法极易丢失潜在脑电信号的问题,提出一种离散小波变换(DWT)与二阶盲辨识(SOBI)结合的眼电伪迹自动去除方法(DSOBI)。首先将多通道脑电和眼电信号进行多层DWT得到多尺度下的小波系数,在小波域利用SOBI消除小波系数统计上的相关性,有效分离脑电和眼电伪迹,根据相关系数识别出眼电伪迹源分量并置零,再依次重构得到干净的脑电信号(electroencephalography,EEG)。方法对构造的数据进行去伪迹处理,均方误差为1.93,信噪比为14.32,与传统方法相比具有显著优势;对10位被试的真实脑电数据进行处理,利用相关系数验证本方法去除眼电伪迹的有效性,同时保留更多脑电信息。     

基于降噪源分离的脑电信号消噪方法

为了解决采集的脑电信号中常含有工频、心电、肌电和眼电等多源干扰问题,提出一种基于降噪源分离的脑电信号消噪方法.首先,该方法经过小波分解重构,消除高斯噪声完成预处理;然后,根据脑电信号的非高斯性,用正切函数进行降噪源分离,将含干扰的脑电信号逐次迭代提取得到分离信号作为消噪结果;最后,引入相关系数检测消噪效果.实验结果表明:经过降噪源分离提取得到的分离信号之间呈现弱相关性,而目标分离信号与源信号具有强相关性,可有效去除脑电信号中的心电和眼电伪迹.     

基于小波消噪和盲源分离的脑电信号处理方法

针对脑电信号中噪声及夹杂的眼电、心电等伪迹,采用小波分解重构消噪和基于熵估计的RADICAL算法进行消除.对3路脑电观测信号进行小波消噪和白化处理后,通过雅可比旋转矩阵分别对其中的两两组合信号用RADICAL算法进行分离,得出最优分离矩阵完成盲源分离,并引入互相关系数、矩阵相关系数验证算法的有效性.实验结果表明:源信号...     

基于样本熵的注意力相关脑电特征信息提取与分类

提出一种用样本熵作为特征进行注意力相关脑电信号的分析与分类处理、并采用支持向量机(SVM)算法实现分类器的方法.7位年龄在20~30岁之间的男性受试者接受了执行3种不同注意任务状态下的测试.数据分析结果显示:样本熵分类法对注意任务相关脑电信号分类的正确率可达85.5%,优于传统频段能量法获得的分类精度(77.9%).这个结果暗示了样本熵能有效地识别出自发脑电中注意力相关信息,因而它可在脑电生物信息反馈治疗系统设计中获得广泛的应用.     

基于原型网络的小样本脑电伪迹检测方法

正常脑电信号由于容易受到多种脑电伪迹的干扰而导致信噪比低，为了提高脑电信号的信噪比，使用一种基于度量的小样本学习模型来检测脑电信号中的伪迹，提出了一种基于原型网络的脑电伪迹识别模型(EEG Artifact Prototype Network，EAPNet)。该模型能够学习一个从EEG特征到目标空间的非线性映射，然后计算每个类原型表示的距离，并按此距离进行分类; 仅需较少数量的数据样本进行训练，就能实现对伪迹的准确识别。最后，在公开的脑电伪迹数据集TUAR(TUH EEG Artifact Corpus)中进行了伪迹识别实验，并将EAPNet模型与2个深度学习模型(EEGNet、全连接神经网络(FNN))及7个机器学习模型(高斯贝叶斯模型(Gaussian NB)、随机森林模型(RF)、逻辑回归模型(LR)、套索回归模型(Lasso)、支持向量机模型(SVM)、岭回归模型(Ridge)和最近邻算法(KNN))进行了对比实验。实验结果显示:(1)EAPNet模型是一种高效的伪迹检测方法:在2-way 1-shot、2-way 5-shot、2-way 10-shot任务中，模型的检测准确率分别为69.44%、77.21%、80.01%。(2)在所有对比模型中，EAPNet模型的识别准确率最高。     

基于预测分离的无线传感器网络多目标跟踪算法探讨

针对无线传感器网络目标跟踪中的限制因素,提出了一种基于预测分离的无线传感器网络多目标跟踪算法。该算法利用混叠信号分离的原理对多目标混叠信号进行分离,得出每个目标所产生的单一信号,计算每个目标的状态;根据目标前一时刻的状态,用直线预测的方法预测目标下一时刻的状态,最后通过仿真验证算法。     

超声波声速测定的三种实验方法比较研究

用振幅极值法、相位李莎图形法和数字电压表显示法,对超声波声速的测定进行了实验原理对比研究,又进行了实验测试比较;前两种方法是实验室常用的测定超声波声速的方法,但均存在图形的显示与共振位置确定的关联性不是太好,从而造成实验误差。笔者曾多次探索研究,提出了数字电压表显示法,该方法的特点是数字电压表上显示的电压最大值与共振位置的确定之间关联性相对较好,实验更为精确。其原因是数字电压表显示的是数字信号,比振幅极值法和相位李莎图形法的模拟信号更易确定。     

在微机多路控温仪中处理温度超限报警的几种方法

在智能化信号检测仪器中使用逻辑尺处理多路信号的报警控制字,可以优化系统的软硬件结构。本文循序介绍了三种方案的程序设计方法。     

周期性平稳过程和数字频谱的计算

在通信工程中,通常把数字信号看作弱平稳过程或离散的弱平稳过程,但在严格意义上它并不符合弱平稳过程的条件,它的自相关函数是时间t的周期函数,称为周期性平稳过程,其功率谱仍可用相关函数来定义。本文证明该谱密度与其任一样本函数的谱密度相等,并列举了一些计算多态数字信号功率谱的例子。     

基于子波分析的气液两相流中相的识别

两相流的辨识技术较为困难。用热膜测速仪测量得到气液两相流信号，提出用子波分析的方法从气液两相湍流瞬时脉动速度信号中识别气泡结构的条件采样方法。利用子波能谱分析的能量最大准则，得到了一种用子波分析自动识别气液两相流中气液两相的新方法，该方法避免了人为确定阂值对经验的依赖性。     

心音信号分析方法及应用性研究

阐述了心音信号的产生机理、组成成分以及人体微弱心音信号检测的关键技术,介绍了心音信号处理技术在心血管疾病无创诊断中的意义,结合应用分析了经典心音信号谱分析方法的局限性,对现代心音分析中的常用的时频分析方法的特点进行了探讨,并展望了心音信号识别技术的应用与发展前景.     

提高PLC在强干扰源环境中的工作可靠性研究

介绍了PLC在有强干扰源的环境下工作时，提高其可靠性的几种措施。     

基于FPGA的转速光电传感测量系统

利用光电式测量的抗干扰性好、反应快、灵敏度高、精度高、可测范围宽的优点,对高速转轴的转速进行更精准的测量。激光器将转轴的转速参数转换成周期性的光信号,然后高速硅光电二极管将接收的光信号转换为电流信号,经模拟电路处理得到数字电压脉冲信号,再利用基于FPGA数字移相技术的高精度脉宽测量方法对数字电压脉冲信号进行测量,处理后最终得到转速的精确结果并显示在液晶屏幕上。试验结果表明,测量结果准确度高,稳定性好,适用于一般的高速测量场合。     

几种常见信号波形的逆变换计算(Ⅰ)矩形脉冲与奇偶对称方波的逆变换

应用Mobius变换对3种常用数字信号的付立叶级数进行逆变换运算,得到正、余弦函数及一般周期信号的数字信号展开．求得在非正交数字信号基函数上的展开系数,以及与展开基函数族相正交的非正交函数族。     

利用POCKELS效应对超快电信号进行无扰测量

本文提出了一种对具有重复频率的超快电信号的测量技术。利用Ｐｏｃｋ－ｅｌｓ效应，可对二维平面的高速器件的超快电信号进行无损无扰取样测量，其时间分辩率远超过目前世界上最高水平的取样示波器。本文阐述了此系统的原理及应用，并着重对系统的性能进行分析，指出它的实现可望成为测量快速电信号的一种新型技术。