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。     

心电信号数字滤波器的设计与实现

心电信号是心脏疾病的重要医学诊断依据.为获取具有实用价值的诊断信息,介绍在心电信号处理中滤波算法的实现,探讨针对心电信号的工频干扰和肌电干扰的数字滤波方法,选取有效的滤波算法用于消除和抑制工频干扰、肌电干扰.通过对采集到的离散心电数据和理想心电信号相比较,设计出对工频干扰和肌电干扰进行处理的数字滤波器方案,利用Matlab仿真技术进行比较和分析,从而得到较为理想的心电信号.实验表明,选取的心电数字滤波方法能达到预定设计要求,具有实时性、有效性等优点.     

心电信号中去除肌电干扰信号的研究

心电信号是一种极易受环境影响的微弱信号,其中夹杂的各种干扰噪声增加了心电信号的分析和诊断难度.针对心电信号中的肌电干扰信号,设计改进型分布式FIR低通滤波器.以MIT-BIH心电信号数据库为样本信号,对该滤波器进行数值仿真和电路测试,研究表明该滤波器能有效滤除肌电干扰信号,能提升信噪比、降低均方差,提高心电信号检测的准确率.因此,该设计对去除肌电干扰信号是有效和可靠的.     

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.     

诱发脑电信号中工频噪声及其谐波成分的去除

提出了一种去除工频噪声及谐波成分的方法，克服了噪声频率漂移时窄带滤波器所存在的困难，避免了滤波过程引起的附加失真，有效地抑制了混叠在诱发脑电信号中的工频噪声。     

分布式光伏电站监测系统中电力噪声分析

在低压电力线信道中传输电信号时,会受到电力噪声干扰,从而影响分布式光伏电站监测系统的可靠性.为了解决该问题,提出了一种基于FPGA的提高分布式光伏电站监控系统可靠性方案.电力线噪声分布与时间、地点及负载等密切相关,各噪声间相互独立.根据对低压信道噪声中时域和频域的数据进行分析,这里把电力线上的噪声中的背景噪声和脉冲噪声进行建模.在电信号传输时,为防止电力噪声干扰电信号,通过一个IIR数字滤波器将瞬间的干扰噪声进行滤除,再进行数据传输.结果表明:干扰噪声被抑制,光伏电站监控系统可靠性得到提高,且保证了监控信号基本特征.     

心电信号基线漂移去除方法研究

心电信号(ECG)是临床诊断各种疾病的重要依据,但由于基线漂移等噪声的存在影响了其诊断的准确性.根据基线信号的特点和固有模态函数(IMF)的性质,提出一种基于经验模态分解(EMD)结合形态滤波的自适应滤波方法.该方法先对信号进行经验模态分解,然后对所选择的IMF分量进行形态滤波处理,将滤波后的结果作为自适应滤波器的参考输入信号,最后得到的输出误差信号即为去除基线漂移后的心电信号.通过与普通的EMD方法、基于EMD的自适应滤波方法对比,并采用MIT-BIH数据库中的心电数据进行了检验,实验结果表明该方法对于去除心电基线有较好的效果.     

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。     

矢量水听器阵列矩阵空域预滤波MUSIC算法

针对矢量水听器阵列多重信号分类(MUSIC)算法分辨率低这一缺点,提出了矢量水听器阵列矩阵空域预滤波MUSIC算法.该算法充分利用矩阵空域滤波器输出数据保留阵元域的特性,通过设计一个空域矩阵滤波器对矢量水听器阵列数据进行预处理,抑制阻带扇面的干扰与噪声,且尽量保证通带扇面的信号无失真通过,然后利用MUSIC方位估计进行处理.仿真结果表明:该算法可以抑制通带扇面外干扰与噪声,通带内目标分辨信噪比门限可提高3dB.     

一种无线通信信号超窄带滤波方法的改进

在无线通信过程中,采用传统超窄带滤波方法很难获取较宽且没有被干扰的频带,有效信号在频域中会出现裂口,导致大量数据丢失,造成人为干扰。提出一种新的无线通信信号超窄带滤波方法,依据幅值、斜率以及带宽对干扰源位置与数量进行判定,为无线通信信号超窄带滤波提供可靠依据。将干扰数据与有效数据投影至不同空间,分别对其进行超窄带滤波处理,通过数据特征值子空间滤波法,获取无线通信信号超窄带滤波的回波数据,实现无线通信信号超窄带滤波,完成无线通信信号超窄带滤波方法的改进。实验结果表明,所提方法能够有效滤除无线通信信号中的超窄带干扰,能保留数据的完整性,避免人为干扰。     

基于编码调制视觉诱发电位脑机接口滤波算法的性能比较

脑机接口(brain-computer interface,BCI)的分类性能一定程度上取决于对脑电信号的预处理方法,这项研究提出了一种空域时域滤波的预处理方法,以解决人类视觉系统中的潜伏延迟对编码调制视觉诱发电位(c-VEP) BCI的目标识别性能的影响。基于一个平均信号和单次试验信号之间的最小均方误差(the least mean square error,LMSE)创建时域空域滤波器,并且通过最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)将稀疏约束应用于滤波器的权重系数,并用模板匹配法来对目标进行识别。将算法应用于由63比特的M序列及其循环移位序列调制的16个目标的c-VEP BCI,并与通用的空域滤波算法典型相关分析(CCA)及空域时域逆滤波算法进行比较。结果表明本研究所提出的算法在分类准确率方面优于其他两种算法。     

汽车转弯自动照明控制系统数据采集滤波方法

为了减少汽车转弯自动照明控制系统数据滤波处理中的延时,在滑动中值滤波方法基础上,提出了一种带补偿的限幅滑动中值滤波算法,通过补偿的方式跟随信号的变化趋势。该算法通过2个步骤完成滤波,先对数据进行带补偿方式的限幅处理,再进行滑动中值滤波处理。该算法综合了滑动中值滤波法的实时性以及限幅滤波法对偶然性干扰滤除的有效性,实现更准确的滤波。仿真与实测结果表明,与滑动中值滤波方法相比较,改进后的算法滤波能够实时地滤除数据中的干扰,处理时间可减少62%,滤波效果较好,且速度信号的数据滞后时间较短,实时性较高,满足系统设计要求。     

大型电机PD信号的数字滤波研究

以大型电机ＰＤ信号的数字滤波为背景，介绍了一种基于窗函数法的ＦＩＲ数字滤波器设计方法．对大型电机离线和在线检测的ＰＤ信号的实验研究表明，应用该方法设计的ＰＤ信号数字带通滤波器，其通频带越宽，阶数越高，滤波效果越好，适用于在工频噪声干扰环境下提取较弱的ＰＤ信号．     

基于时延空时滤波的P300波形提取及目标分类算法

提出一种基于时延空时滤波的P300波形提取及目标分类算法.将多通道脑电信号进行时延,利用最小二乘法思想构造代价函数,通过交替优化的方式估计空时滤波器和源信号,使代价函数收敛并得到空时滤波器,实现空域的源分离和时域的波形提取.经过仿真P300数据对算法性能进行验证,结果表明,该算法对P300波形恢复效果优于同类型的相关算法.对真实脑电数据进行处理,用算法得到的空时滤波器提取P300源成分作为分类特征,利用训练集得到的P300源成分训练Fisher分类器进行目标分类.结果表明,算法的P300波形提取效果、目标分类准确率及AUC值均优于同类型的相关算法.因此,该算法可有效提取P300波形并进行目标分类.      

小波变换在两相流速度测量中的应用

介绍一种利用空间滤波和小波变换处理两相流信号的基本方法,首先研究电容传感器的空间滤波效应,并找出固体速度和带宽之间的关系,然后利用小波变换的滤波特性,确定传感器的带宽,进而求出固体速度·最后给出对实际测量信号的处理结果·     

自动跟踪滤波器

介绍了一种滤除工频干扰的方法，它通过硬件电路实现了对工频频率的自动跟踪，从而解决了因工频的频率偏移而不易滤除的问题。     

基于CSSD和SVM脑电分类技术的研究

本文研究的BCI实验是基于BC12003竞赛数据来对脑电信号分类。本文提出了一种脑电信号趋势的概念,使用支持向量机（SVM）作为分类器的算法。首先将BC12003竞赛数据通过中值滤波器和由小波函数构成的带通滤波器,然后用时间窗进行时域上地过滤,选取对于大脑思维活动现象表现最明显的一段数据,再通过共空域子空间分解（CSSD）从脑电信号中提取特征,最后基于提取的特征,通过SVM训练后,进行分类识别,分类识别率达到了85％～96％。实验中采用的特征提取方法和分类方法对于脑电信号的分类识别准确率提高了不少。     

复合信号有源滤波分离电路设计

油田生产测井中 ,多个井下传感器已调信号用单芯电缆复合后传送到地面接收机 ,再用滤波分离电路分路解调 ,提取传感器信息 ,邻道干扰的大小取决于滤波分离电路的性能。复合信号滤波分离电路采用带阻滤波器和带通滤波器前后级联 ,可以降低对过渡带的需求 ,提高阻带衰减 ,降低邻道干扰。给出了性能分析结果和滤波分离电路设计公式 ,实际应用效果很好     

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。