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。     

基于一种新的时频分布的机械故障诊断

在巧妙构思核函数的基础上，给出了一新的时频分布TFD(Time—Frequency Distribution)及其离散算法，并应用于机构故障诊断。结合两个诊断实例，同时与WVD(Winger—Ville Distribution)进行对比，发现该分布具有良好的时频聚集性，并且能够有效地抑制交叉项，表明该分布能够刻画出幅值谱和WVD所不能反映的故障特征信号，能够较好地进行故障诊断。     

一种高分辨率时频分析方法用于痫样脑电波识别的研究

痫样脑电波的自动识别，对于临床癫痫诊断和长时间的脑电监护具有重要的价值。文章在对一种高分辨率的时频分析方法－离散Ｇａｂｏｒ谱分解研究的基础上，对２０例癫痫患者的临床脑电信号进行了分析研究，从这些脑电信号的时频说待高线图上，得到了易于自动识别棘波和棘慢复合波的特征。     

正常新生儿及婴儿睡眠振幅整合脑电图分析

为研究振幅整合脑电图(aEEG)在脑发育过程中的变化规律,根据87例无特殊疾病的新生儿和婴儿的睡眠脑电数据绘制aEEG图形。分析aEEG随受孕后年龄(PMA)增加的变化趋势。结果表明,PMA极小新生儿的aEEG呈现高度非连续性;约27周后可从aEEG波形中发现睡眠周期;37周后睡眠周期表现为高、低幅值顺次相接的波谱带。aEEG上、下边缘随PMA的增加呈上升趋势,其中脑电波幅升高较明显的年龄阶段为PMA<33周以及PMA>44周。aEEG能够反映新生儿脑发育成熟度,在临床领域有一定的应用价值。     

时频分析阶比跟踪技术

旋转机械运转时其旋转部件引起的故障，其产生的振动和噪声所表现出的特征和轴的转速有密切关系。在这类故障的特征分析中，使用价比谱分析比一般的频域分析更具有优势。文中对两种典型的阶比跟踪法进行了较为系统的论述，在此基础上提出并介绍了正在研究的时频分析阶比跟踪技术，时频分析阶比跟踪技术用纯软件的方法实现阶比跟踪，是对原有技术的有力补充，特别适合于虚拟测试仪器发展的要求，有很好的应用前景。     

时频分析方法在机器故障诊断中的应用

阐述了短时傅氏分析、Ｗｉｇｎｅｒ分布及小波分析等时频分析方法和特点；对间隙非线性机械系统振动信号进行了小波分析，发现了间隙非线性机械系统振动信号在小波分解中的状态特征，应有和时频分析方法对ＭＣＮＣ８２数控磨床进行了故障诊断，结果表明时频 分析方法对非线性机械系统的故障诊断比较有效。     

小波变换和信号的时频局部分析

从信号时频分析的角度讨论了小波变换的应用,重点是多尺度分析和波包,指出了用小波包分析非平稳信号的步骤。     

基于时频分析的海洋激光探测信号检测与识别

针对机载海洋激光探测系统接收信号中噪声的非平稳性及信号的相关性问题,利用信号的Ｇａｂｏｒ展开在时间和频率域局部化信号的能力,对信号进行时频相关检测和分析,提出了一种基于时频分析的相关检测方法以及基于时频特性描述的信号分析和识别。实验结果表明该方法是一种抗噪性能强,自适应性能好的弱信号检测与识别方法。     

基于时频分析的内燃机曲轴轴承磨损故障的诊断研究

内燃机曲轴轴承所受到的冲击信号是非平稳、时变信号，用传统的诊断方法难以进行故障的早期发现和诊断．论文运用振动测试技术，测取不同间隙下主轴承座及机体上的振动信号，然后充分利用了小波包无冗余、无疏漏、正交地分解信号到独立的频带内的能力及时频分布对时变信号良好的描述能力，发展了一种基于小渡包的重分配平滑伪魏格纳维尔分布的时频分析方法．通过对振动信号进行了分析比较，其干扰项少而分辨率高，既能定性揭示曲轴轴承磨损故障的变化规律，又能定量地诊断该故障．     

电信号的时频分析新方法

针对电力系统中电信号检测的现状,提出了一种高分辨率的电信号时频分析新方法.该方法首先基于自适应最优核时频分布理论得到电信号的时频分布,然后进行时频平面脊信息的提取,从而得到电信号各频率分量频率随时问变化的特征.针对时变间谐波、暂态震荡电压、变压器故障电流等电信号进行仿真分析,仿真结果表明:该方法表现出很高的时频聚集性,且不受交叉项的影响,清晰地刻画出各频率分量的时变性特征.     

基于匹配跟踪的脑电睡眠纺锤波的时频分析

匹配跟踪(MP)算法是一种冗余算法，通过信号x在所选择的最佳向量(最佳基)上的反复正交投影而逼近原信号。它不仅可以获得较好的时频分辨率，而且可以参数化描述任何类型的数据。在临床应用实践中已发现睡眠纺锤波与多种病症有关，因此，有效地检测出睡眠纺锤波具有重要的临床应用价值。文中根据脑电信号(EEG)睡眠纺锤波的特征，利用基于Gabor函数的MP算法对EEG中的睡眠纺锤波进行检测和分析，并给出了分析结果的时频表示。     

睡眠中抽搐患者常规脑电图和动态脑电图比较

目的:比较睡眠中抽搐(含睡眠+清醒抽搐)患者常规脑电图(REEG)和24 h动态脑电图(AEEG)检出痫样放电及痫性放电率,从而指导临床医生选择脑电图检查方法。方法:常规脑电图组(I组)268例,描记清醒期30 min,动态脑电图组(II组)103例(其中75例由I组检查阴性转至),描记包括清醒期和睡眠期在内的24 h脑电图,统计两组的痫样放电率及痫性放电率并进行比较。结果:I组痫样放电56例(20.90%),II组痫样放电73例(70.87%);I组痫性放电3例(1.12%),Ⅱ组痫性放电13例(12.62%)。结论:动态脑电图组痫样放电及痫性放电率明显高于常规脑电图组(P<0.01),睡眠中抽搐(含睡眠+清醒抽搐)患者行24 h动态脑电图检查明显优于常规脑电图检查。     

脑电信号的现代分析方法

脑电图（EEG）是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。临床实践表明，脑电信号中包含了大量生理与疾病信息，通过对脑电信号的处理，不仅可以为医生提供临床诊断依据，而且可以为某结脑疾病提供有效的治疗手段。作者从脑电信号的分析出发，论述了频域分析、时域分析等脑电图分析中常用的信号分析方法和特点，特别介绍了Wigner分布、小波变换和匹配跟踪等时频分析方法、人工神经网络和非线性动力学方法在脑电信号分析和处理中的应用情况。     

睡眠脑电波的计算机分析

利用微型计算机对七名健康人和一名帕金森氏综合症病人的睡眠脑电图的能量一频率分布曲线进行分析,发现帕金森症患者的睡眠各期能量与正常组相比有较大的差异.由此,我们提出睡眠脑电波的能量和幅度大小有可能作为临床诊断的两项指标.     

疲劳驾驶的脑电特性探索

研究疲劳驾驶时的脑电特性.利用汽车模拟驾驶系统模拟驾驶员疲劳驾驶的情况,用脑电仪记录驾驶员的脑电情况,得到了驾驶员在正常状态和疲劳状态下驾驶时的脑电数据和波形,分别用平均功率谱方法和非线性的关联维数方法对所得数据进行分析.得到了疲劳驾驶时脑电的2个特征量R和D.可以用驾驶员驾驶时的脑电特征量来评价其疲劳程度.     

酗酒者认知脑电能量的头皮分布

为了理解酗酒对大脑功能的影响,已有研究多数是对被试者的脑电各节律特性分别进行分析,而缺乏分布特性研究.通过3种不同类型的实验,对酗酒者和正常对照组的脑电节律能量的头皮分布进行深入分析.结果表明,在3种不同认知任务下,酗酒者的α节律、δ节律和θ节律在枕区的能量都显著低于正常对照组;而酗酒者脑电β和γ节律在额区与颞区的能量显著高于正常对照组.不同的实验任务对各节律影响也不尽相同.α节律随着任务的不同,能量大小发生变化;枕区的θ节律、额区和颞区的δ节律能量分布在不同任务条件下也各不相同;而β能量则不受实验任务的影响.不同实验类型下酗酒者额区的脑电γ能量有所不同,而正常人却没有显著变化.因此慢波节律在不同区域能量的降低和快波节律在不同脑区能量的增加可能表明酒精长期作用会对大脑造成一定程度的损伤,进而影响大脑的认知过程,而且这种影响还通过皮层电活动头皮分布特性的不同得以体现.     

基于脑电信号的驾驶疲劳检测研究

研究利用脑电信号(EEG)判断驾驶员的疲劳程度. 基于疲劳驾驶实验平台进行模拟驾驶实验,综合实验视频图像和驾驶员自我评价进行主观疲劳评测. 利用生理检测仪采集驾驶员的脑电波,对比分析脑电信号不同频带信号功率谱值和驾驶员的主观疲劳评测之间的关系. 结果表明:主观疲劳评测与脑电信号中功率谱值的变化相对应,脑电功率谱的比值(α+θ)/β越大,疲劳等级越高.     

视觉感受区电位信号(LFP)的脑电波分离

为研究人(动物)的行为与脑电波之间的关系,提出了一种新的小鼠视觉感受区电位信号(LFP)与呼吸相关联的脑电波分离模型。采用盲信号分离(BSS)、独立分量分析法(ICA)对局部场电位建立线性瞬时混合信号系统数学模型;利用小波包进行LFP的分解并重构信号,对睡眠状态下小鼠视觉感受区局部场电位信号进行了15层分解和重构。实验证明,小波包分解高频分量系数cd13的解析重构信号与δ波频率吻合,小鼠睡眠状态下分离出的与呼吸相关联的脑电波信号为δ波。     

基于去趋势波动分析的不同特征音乐刺激下脑电特性

旨在研究受试者对不同特征音乐的心理生理反应, 探索脑电长程关联特性. 招募 10 名在校学生作为受试者, 参与 4 种具有不同物理特征的音乐聆听任务, 并完成自我情绪评价, 同步采集受试者任务期间的头皮脑电信号. 针对音乐刺激脑电的非平稳非线性特性, 使用一种检测非平稳时间序列的长程相关性非线性方法——去趋势波动分析, 通过计算脑电信号分频段序列的标度指数分析脑电信号长程相关性, 并结合行为学数据, 探究不同音乐特征对情绪加工的影响. 实验结果显示, 升调版欢快乐曲诱发的积极情绪感受会显著降低, 而无论升调还是降调都会显著降低悲伤音乐诱发的悲伤情绪效应; 在不同音调特征的音乐刺激诱发下, 受试者在 alpha, beta 频段上还表现出明显大脑偏侧化特点, 左半球脑动力表现更活跃. 所应用的标度指数可以反映不同音乐刺激下脑电的特异性.     

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·