脑电信号中肌电伪差的实时去除方法研究

为了在线去除脑电信号中的肌电伪差,使用典型相关分析方法,分析了大量被肌电干扰和未被干扰的脑电(EEG)信号,得出了一个合理的自相关阈值.在时域上,肌电伪差和一般的噪声信号比较类似,有比较小的自相关值,在去除肌电伪差时,凡自相关值低于此值的分解成分被识别为肌电伪差.该方法很好地利用了这个特点,将肌电伪差分量与潜在大脑信号分离,然后依据剩下的分解成分重建"干净"的EEG信号.实验结果表明,典型相关分析法在去除肌电伪差时优于独立成分分析法,结合提出的自相关阈值在有效去除肌电伪差的同时,又能较好地保持潜在的大脑信号不变.     

基于时频分析自动识别睡眠脑电的梭形波

为了识别睡眠脑电图（EEG）中出现的梭形波，使用Choi-Williams分布对EEG信号进行时频变换，根据瞬时频谱估计局部范围里EEG的波形特征，在此基础上设计了一个自动识别睡眠EEG梭形波的方法，对实际睡眠EEG中的梭形波进行识别，识别正确率为85．04％，并且能够提供梭形波的定量指标。实验结果表明，经过进一步完善，这种方法可以作为神经内科专家用于研究睡眠生理变化的一种辅助工具。     

基于独立成分分析和流形学习的眼电伪差去除

针对眼电伪差严重干扰脑电(EEG)信号的理解和分析的问题,提出了一种新的方法用于实时地去除脑电中的眼电伪差.该方法使用独立成分分析(ICA)分解EEG信号,提取独立成分的地形图和功率谱作为特征,并采用基于模板的Isomap算法降低特征的维数.将新的特征样本送到分类器中以识别眼电伪差独立分量,几个典型分类器的分类结果显示,基于模板的Isomap算法结合使用最近邻算法进行分类时,识别伪差的正确率最高.实验结果表明,提出的方法在有效去除眼电伪差的同时,很好地保留了大脑神经信号,也证明了新的Isomap算法用于眼电伪差特征的降维的有效性.     

癫痫EEG波形的小波分析方法

癫痫患者发病期间脑电图表现为高幅同步节律波,可显著地在患者脑电图中观测到棘、尖波以及棘慢复合波等特征波形。本文根据癫痫波形特征,利用小波变换的时频局部化特性,提出了另一种高效的脑电图癫痫波形自动检测方法。     

一种改进的脑电癫痫波自动分析系统

脑电癫痫波的自动检测与分类是具有重要临床意义的课题。现存的算法大都着重于对棘、尖波形的检测 ,而忽略了慢波所包含的有用信息。为满足临床要求 ,论文提出了一种改进的脑电癫痫波自动分析系统。系统采用“分层次、多方法”的检测策略 ,兼顾了各种癫痫病理波形 ;整个处理过程综合应用了自适应预测、小波变换、人工神经网络、启发式规则等多种信号处理方法。经临床数据测试 ,该系统对癫痫波的总检测率达 83.6 % ,误检率为 1.1%。通过分层次处理 ,运用多方法的结合 ,可以提高检测敏感度和特异度 ,减少计算量 ,适合对长程脑电数据进行分析     

独立分量分析去除EEG中眼动伪差的方法研究

对独立分量分析(ICA)方法中推广的最大熵(Extended Infomax)算法和奇异值分解(SVD)技术分离脑电图(EEG)中眼动伪差的效果进行了比较，确证ICA方法在极低信噪比时有更好的抗干扰性。同时，使用该算法成功地对16导联早老性痴呆症患者EEG信号中的眼动伪差进行了提取和分离。结果表明，ICA在生物医学工程，尤其是临床医学工程中具有潜在的重要应用价值。     

双层套管井中界面胶结差时单极全波响应特征的对比

通过实轴积分和有限差分相结合,计算双层套管井不同界面胶结差时单极子声源激发的套管波、井孔伪瑞利波以及斯通利波的响应特征。结果表明：第Ⅰ界面胶结差时套管波的到时最早,其次是第Ⅲ界面,第Ⅱ界面和第Ⅳ界面胶结差时套管波到时较晚;从套管波的幅度特征观察,在各个界面胶结程度一致时,第Ⅰ或第Ⅲ界面胶结差时套管波的幅度较强,第Ⅱ界面和第Ⅳ界面胶结差时套管波的幅度较弱,理论计算结果与现场测量结果一致。不同界面胶结差时井孔伪瑞利波和斯通利波的响应也有明显差异,随着不胶结界面距离井轴越远,伪瑞利波的频散曲线逐渐向低频偏移;且在同一胶结状况下套管井中伪瑞利波的截止频率随地层横波速度的降低明显向高频移动,这一响应特征与裸眼井下的变化规律不同。在复杂的双层套管固井质量评价中,可结合井孔模式波的频散特征为判断各个界面的胶结状况提供参考。     

基于单个时滞非线性神经元结构储备池的波形识别

采用单个时滞非线性神经元结构储备池对不同波形进行识别,研究虚节点个数、反馈强度、输入增益等参数和输入端信噪比对波形识别计算的影响.以方波、正弦波、三角波的识别为任务进行了仿真实验,结果显示:储备池虚拟节点个数为100时最佳;反馈强度和输入增益的参数值分别为0.8和2.2时,储备池的计算性能最佳;在输入端人为加入适度的噪声可降低识别误差,有利于提高波形识别精度.     

穿戴式心电信号伪差识别算法的研究及应用

针对穿戴式心电监测设备普遍存在的运动和设备伪差问题，提出了基于心电幅度突变度和突变分布连通性、变换后心电极大极小值对凌乱度，以及异常心搏特征等设计的伪差识别组合算法.通过在心电自动分析三个关键环节嵌入组合算法实现伪差识别，并选择了3种设备4种数据样本进行算法验证.结果表明，组合算法伪差识别灵敏度可达98.35%，可将QRS检出正确率提高3.08%，且并未增加心电自动分析运算时长，算法不依赖特定硬件设备，可应用到各类穿戴式设备的心电数据分析中，具有普适且高效的特点.      

脉间波形变换信号分选跟踪器的设计与实现

针对目前普遍存在的LPI雷达信号识别截获难的情况,提出了一种脉间波形变换信号的分选跟踪器的设计方案．在多脉宽和捷变分析的基础上,采用了改进的概率统计算法和动态关联扩展法进行分选,在跟踪器中采用了“多波门”和“少波门”2种波门给出方式,并进行了软硬件设计和测试．实践证明,此分选跟踪器对于脉间波形变换信号有着较强的识别能力．     

消除脑电图伪差的数据处理方法

本文提出了一种消除电脑电图主要伪差（肌电伪差、眼动伪差和基线漂移）的实用有效方法．即用线性Ｋａｌｍａｎ滤波未消除脑电图的肌电伪差，用ＦＩＲ数字高通滤波器抑制眼动伪差及基线漂移，取得了良好的效果，为进一步设计脑电图的计算机自动化分析和诊断系统，解决了关键性的问题．在数据处理的同时还对线性Ｋａｌｍａｎ滤波经行了改进，即去除了肌电伪差模型，使系统更为简洁，滤波效果更好．     

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·     

基于扩展Informax算法的脑电信号伪差分离研究

提出了一种基于扩展Informax算法的脑电伪差检测和分离方法，首先应用扩展Informax算法将脑电信号分解为相互独立的分量，并计算其解混矩阵和混合矩阵，通过分析分解结果发现；脑电信号中的伪差成分总是作为一到两个独立分量被分解出来，并且这些分量的空间分布与特定伪差类型相对应，因此，根据混合矩阵提取独立分量的空间分布特征，即可检测出伪差成分，进而重构出无伪差的脑电信号，分离眨眼伪差的实验结果也充分证明了这一方法的有效性。     

基于时窗复杂度序列的睡眠脑电分析

运用时窗复杂度序列来分析睡眠脑电,减少了非平稳性及状态空间的不均匀性造成的脑状态信息的丢失,在一定程度上克服了复杂度的自身的局限,有助于不同睡眠期状态特征的提取.另外本文采用ICA、小波变换等方法对脑电进行预处理,实验表明它们能有效地去除脑电中的一些生理干扰,有利于提高复杂度算法在睡眠分期应用中的精确度.     

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.      

利用BRIR提取脑电信号基本节律特征及其虚拟仪器系统

研制了一种“虚拟式脑电记录分析仪”，不仅可以实现脑电信号的无纸描记、记录和显示，而且可以对脑电信号进行定量分析，进行脑电特征波形(如癫痫样波、棘波等)提取和时频域特征分析，从临床应用的角度出发，该仪器引入了频带相对强度比(BRIR)的概念，利用时频分析方法，可以获得某一时刻各个基本节律的相对强度，从而为医生临床诊断提供了一种较好的辅助分析工具。     

地线绝缘子间隙放电电流波形特征分析

地线绝缘子并联间隙长度的减小,使其在高感应电压影响下极易产生间隙击穿放电,直接威胁电力系统的安全运行。为了解地线绝缘子间隙放电电流波形特征,进行地线绝缘子不同间隙击穿放电试验研究。测量了试验过程中击穿放电电流波形,分析了其时域和频域特征。分析结果表明,放电电流波形起始段会产生一个大脉冲,脉冲电流幅值达到6 A左右;大脉冲电流过后出现正弦电流波形,其电流幅值约为0. 25 A,持续1～2个周波之后,电流降为0。正弦电流波形中会包含2～4个小脉冲,脉冲正负交替呈现,持续时间约25μs;且在不同间隙宽度下放电电流波形频率集中在50 Hz。同时研究发现将时域和频域特征分析所得结果作为特征量,可以对间隙放电电流波形进行识别。研究结果可以为地线放电故障电流监测提供参考依据。     

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%。