用小波变换去除瞬态诱发耳声发射信号刺激伪迹的方法研究

为去除瞬态诱发耳声发射信号中的刺激伪迹 ,在不降低信噪比的同时保留瞬态诱发耳声发射信号中的有用信息。论文采用小波变换的方法 ,分解了人耳物理模型中通过线性累加所获取的数据 ,找出了在不同刺激强度下 ,刺激伪迹所在的尺度、时间段及去除刺激伪迹的方法 ,然后将此法用于去除受试耳中记录到的信号的刺激伪迹。与导出的非线性响应方法相比 ,此方法不但有效去除了记录信号中的刺激伪迹 ,而且在不降低信噪比的同时保留了瞬态诱发耳声发射信号的有用信息。此方法为进一步研究耳蜗功能和研究耳声发射机理及临床应用起了推动作用     

瞬态诱发耳声发射的相关性研究

耳声发射是重要的人体生理声信号之一，主要用于听生理研究，听觉疾病诊断和新生儿听力筛选方面，耳声发射具有很好的长期稳定性，但存在明显的个体差异，为了进一步研究其统计特性，以瞬态诱发耳声发射为研究对象，分别计算了不同个体之间，同一个体左、右耳之间以及同一只耳在不同刺激强度下所诱发耳声发射之间的相关系数，得到了不同的统计结果，结果表明，第一、二、三种情况下的相关系数平均值分别为０．１３３、０．３３和０．７６，且呈正态分布。     

基于小波模极大值的信号重建

信号重建在工程技术中有很多应用,目前有多种信号重建的方法,如Naquist法、小波变换法等等。本文首先阐述小波理论,分析了模极大值与小波系数之间的内在关系,然后说明利用小波模极大值作信号重建的交替投影算法,最后用仿真说明利用小波变换的模极大值原理重构信号的实际意义。     

小波变换模极大值重建方法消除胃电检测中的运动伪迹

在体表测得的胃电信号受到被试身体移动的影响会产生运动伪迹;这些高幅值的运动伪迹给胃电信号的提取带来了不稳定性。该文引入小波变换模极大值重建方法去除信号中的运动伪迹。采用多孔算法对信号进行小波变换,根据筛选准则去除运动伪迹对应的小波变换模极大值点,再根据标架理论,采用共轭梯度算法由模极大值重建信号,就达到了去除运动伪迹的目的。实验表明,此方法可以有效去除胃电信号中的运动伪迹。结果也说明在胃电信号的提取中,该方法可以作为一种有效的预处理方法,促进胃电在研究和临床中的应用。     

小波变换模极大值重建方法消除胃电检测中的运动伪迹

在体表测得的胃电信号受到被试身体移动的影响会产生运动伪迹;这些高幅值的运动伪迹给胃电信号的提取带来了不稳定性。该文引入小波变换模极大值重建方法去除信号中的运动伪迹。采用多孔算法对信号进行小波变换,根据筛选准则去除运动伪迹对应的小波变换模极大值点,再根据标架理论,采用共轭梯度算法由模极大值重建信号,就达到了去除运动伪迹的目的。实验表明,此方法可以有效去除胃电信号中的运动伪迹。结果也说明在胃电信号的提取中,该方法可以作为一种有效的预处理方法,促进胃电在研究和临床中的应用。     

采用小波变换对自发耳声发射信号的检测研究

自发耳声发射信号的检测方法通常采用周期图法 ,为了推动自发耳声发射在临床生理和病理上的应用 ,需要有较高频率分辨率和准确率的稳健算法推向临床。论文在研究自发耳声发射信号的检测方法时 ,通过对连续小波变换的两种快速算法的比较 ,发现调频 Z变换方法比 Mellin变换方法在提高自发耳声发射信号的频率分辨率方面具有更大的优越性 ,提高了自发耳声发射信号谱峰识别的准确性和简易性。调频 Z变换方法对推动自发耳声发射在临床生理和病理上的应用有更大的潜力。     

基于小波变换的模极大值图像边缘检测算法

将小波分析技术运用到图像边缘检测中以勾勒图像轮廓，提出了基于小波变换的模极大值边缘检测算法．利用二次B样条小波和Mallat算法对图像进行了边缘检测．仿真结果表明：该方法去噪效果好，能提取图像中较弱的边缘，且边缘具有很强的连续性，明显优于传统的边缘检测算子．     

小波变换模极大值法在图像边缘检测中的应用

边缘检测是计算机图像处理的一个重要环节，但是常用的方法存在一些缺点。本文介绍了小波变换模极大值法进行边缘检测的原理。检测结果表明，小波变换方法能有效的检测出边缘，优于Sobel算子、Prewitt算子、Roberts算子。     

瞬态诱发耳声发射的功率谱定量指标应用于临床诊断

将瞬态诱发耳声发射(TEOAE)的频域定量指标应用于听力障碍诊断.建立自回归模型,对TEOAE进行功率谱估计,分析了听力正常和听力受损耳TEOAE主导频率的数目、位置和反应幅值.TEOAE包含了3个主导频率.第1主导频率处的反应幅值最大, 听力障碍耳反应幅值则明显降低;第2、 第3主导频率的位置向更高频率偏移.TEOAE的自回归功率谱可以作为一种临床定量指标对听力障碍进行诊断,该方法的有效性高于分频段相关率指标.     

由小波变换模极大值实现信号重构

基于多尺度分析的思想 ,指出小波模极大值能检测信号的奇异性。通过模极大值可实现信号重构。然后 ,研究了一种算法 ,可从混有噪声的信号中 ,采用设定阀值的方法 ,消去噪声相关的模极大值 ,提高恢复信号的质量     

Iterative shaping reconstruction algorithm based on the modulus maxima of signals' dyadic wavelet transform

An iterative shaping reconstruction algorithm based on modulus maxima of signals' dyadic wavelet transform is proposed. Numerical experiments show that the algorithm is of good convergence and smaller reconstruction error. Compared with Mallat's alternating projection algorithm, this algorithm is simpler and faster.     

基于小波变换模极大值的橡胶薄层厚度超声检测

为解决同一薄层界面处的各次反射回波在时域上不可分离导致无法测厚的问题,提出利用小波变换模极大值对橡胶薄层超声回波信号奇异点进行检测的方法.信号奇异点构成模极大值曲线,极大值曲线产生周期性,相邻的极大值曲线对应入射时基体/橡胶界面和反射时橡胶/基体界面回波信号的到达时间,其差值为超声波在橡胶薄层中传播时间的2倍,取其平均值,计算出橡胶薄层的厚度.仿真结果表明,该方法的相对误差均在10%以内.经实例验证该方法是可行的.     

瞬态诱发耳声发射信号的定量分析

为探索在瞬态诱发耳声发射 (TEOAE)检测中 ,耳声发射信号的强度、信噪比、频段相关率等定量指标的有效算法 ,论文采用频域相干谱法对 TEOAE信号进行频段相关率分析 ,克服了传统带通滤波器法受滤波器性能影响的弊病 ,有效地解决了从频域衡量时域波形相似性的问题。同时采用基于信号差互谱分析的方法来计算 TEOAE信号的强度、总信噪比及频段信噪比。近 2 0 0例临床 TEOAE实测结果表明 ,由这些算法得到的定量指标是临床诊断的有效依据 ,因而这些算法是 TEOAE定量分析的有效方法。     

基于小波变换模极大值的边缘检测方法

研究了采用小波变换模极大值进行图像边缘检测方法.小波变换模极大值常用来检测信号的奇异值,用这种方法可以检测到图像所有边缘的细节,但同时也会检测到一些伪边缘和噪声点.研究通过阈值消除伪边缘并给出了确定阈值的具体方法.实验结果表明,采用图像分块方法确定阈值,并用该阈值来限定模值,可以得到更好的边缘检测效果.     

瞬态诱发耳声发射信号近似熵的分析及应用

为研究有无对侧刺激声 (CAS)作用下 ,瞬态诱发耳声发射 (TEOAE)信号的变化特征 ,根据耳蜗的非线性特性 ,提出了将近似熵的分析方法引入到耳声发射信号的研究中 ,并将近似熵的分析方法从时间序列复杂性的度量中引入到频率序列复杂性的度量中。结果表明 :无 CAS作用下 ,TEOAE频域信号的近似熵在各频带处 ,蜗性病变耳的近似熵明显低于正常耳的近似熵 ,蜗后病变耳的近似熵与正常耳的近似熵无明显差别。在 CAS作用下 ,听力正常耳的近似熵下降 ,而感音神经性耳聋的近似熵上升 ,且近似熵上升的频带与耳蜗或蜗后神经患病处频带相关 .根据研究结果 ,提出了利用有无对侧刺激声作用下耳声发射信号近似熵的变化来诊断感音神经性耳聋的方法     

拉曼光谱预处理中几种小波去噪方法的分析

拉曼光谱分析中,噪声的存在常影响分析的准确度和检测限.以钙长石的拉曼光谱为研究对象,探讨小波变换在拉曼光谱信号去噪方面的应用,分别采用移动窗口最小二乘多项式平滑、移动窗口中位数平滑、非线性小波软硬阈值法和小波变换模极大值法对加噪后的拉曼光谱进行去噪并对去噪效果进行比较.结果表明,小波变换模极大值光谱去噪法得到了较高的信噪比,小波软硬阈值法次之,其他2种方法去噪效果较差.小波变换模极大值法能够有效去除光谱噪声,并很好地保留了光谱信号特征,为拉曼光谱的校正模型的建立奠定了良好的基础.