基于脑电图信号在复杂场景下的新型联合算法

在基于快速傅里叶变换(FFT)的联合算法和基于支持向量机(SVM)的联合算法的基础之上,文中提出了一种复杂场景下针对5类以上脑电图(EEG)信号处理的新型联合算法.目的在于提升脑电信号处理与分析的精度与综合效率.新型联合算法首先采取归一化进行数据预处理,然后融合FFT和主成分分析(PCA)进行特征提取,最终以加权k近邻(k-NN)分类算法进行特征分类,应用于被试观察0～9数字时产生的脑电信号分类.结果证明:新型联合算法的精度和综合效率分别为84%和87%,可被用于复杂场景下的脑电信号处理.     

小波包变换和极限学习机相融合的脑电信号识别方法

为了提高脑电信的识别效果,提出一种小波包变换和极限学习机相融合的脑电信号识别方法.采用傅里叶变换对采集的脑电数据进行去噪处理,用小波包变换方法提取小波节律能量均值和小波包能量熵作为特征量,并用极限学习机进行分类.仿真实验结果表明,极限学习机分类速度快、泛化性能好,相对于其他脑电信号识别方法,能有效地提高脑电信号识别的正确率.     

基于非负矩阵分解的癫痫脑电自动检测

针对多分类癫痫检测算法因特征维数多而导致识别率不理想的问题, 提出了一种基于分数阶傅里叶变换 (FrFT: Fractional Fourier Transform)和非负矩阵分解(NMF: Non-negative Matrix Factorization)的癫痫脑电自动识 别算法。 首先采用 FrFT 对脑电信号进行时频聚焦, 并利用短时傅里叶变换 (STFT: Short-Time Fourier Transform)提取脑电信号的时频特征; 再应用 NMF 对提取的时频特征进行降维; 最后将降维后的特征输入到支 持向量机(SVM: Support Vector Machine)分类器中进行识别。 实验结果表明, 该方法能识别正常、 癫痫发作间 期和癫痫发作期 3 类脑电信号, 其分类准确率可达 98. 8%。     

大跨度空间网格结构风荷载数值模拟方法

根据谐波叠加法和线性滤波法的基本原理,采用MATLAB语言编写程序分别实现了常规谐波叠加法及其改进的快速傅里叶变换算法和插值算法以及线性滤波法的自回归法对大跨度空间网格结构风速时程的数值模拟,并模拟了2个工程实例的风速时程.结果表明:对于大跨度空间网格结构,不同风速时程模拟方法计算效率从高到低的顺序依次为快速傅里叶变换算法、插值算法、自回归法和常规谐波叠加法,计算精度从高到低的顺序依次为常规谐波叠加法、快速傅里叶变换算法、自回归法和插值算法.综合考虑计算效率和计算精度,快速傅里叶变换算法最适合应用于大跨度空间网格结构的风速模拟.     

运动态人脑默认模式网络脑电信息传递动力学行为分析

为探究人体进行运动相关任务时大脑默认模式网络与其他脑区间的连接规律，基于运动及运动想象脑电信号公开数据集，通过快速傅里叶变换对不同状态下的脑电信号划分频段并进行滑动加窗处理，得到静息与运动态下同皮层不同频段的平均时间序列。采用动态传递熵的构造方法，分析默认模式网络到运动皮层、默认模式网络到前额叶皮层的信息交互，并在多个数据集下进行显著性检验。将动态传递熵的分析方法结合逻辑回归、决策树、XGBoost算法对不同任务进行分类研究，结果表明：大脑不同皮层功能区在进行不同任务时具有显著差异；相较于静息态，前额叶皮层和运动皮层在运动过程中更加活跃，γ频段相较其他频段也更加活跃；相较于静息态，运动态及运动想象态下默认模式网络到运动皮层、默认模式网络到前额叶皮层的信息交互都更强烈，其结果在不同样本空间的显著性检验P值小于0.025,此方法稳健；脑电信号动态传递熵方法可以将机器学习算法的分类准确率提高20%以上。研究可为运动态脑电信号辨识提供理论参考。     

快速序列视觉呈现任务下的脑电分类算法

提出了一个在快速序列视觉呈现任务下的脑电信号分类算法.将图片序列快速呈现给受试者并将同步采集脑电信号,将脑电信号截取分段作为样本集.通过约束有监督降维后样本与样本中心差值的趋近方向,使用训练集脑电数据训练得到映射矩阵;通过特征提取函数将训练集和测试集的脑电数据样本变换为特征矢量,使用支持向量机对样本进行分类.实验结果表明,算法对24名受试者的脑电信号分类的平均正确率为91.5%,平均AUC达到了0.95,证明脑电分类算法具有良好的分类性能,可以在快速序列视觉呈现任务中准确地识别目标图片.     

基于傅里叶变换的脑机接口系统实现方法

脑机接口系统要求实时的处理速度和较高的准确识别率.在对脑电信号进行幅频分析和相同步分析的基础上,提出一种意识任务识别在线脑机接口系统实现方法.提取谱峰和相同步相干性指数作为反映大脑运动意识任务状态的特征参量,设计基于信息积累的时变线性分类器,对左右手想象意识任务进行识别,获得了满意的结果,最大分类正确率达到90.72%.研究结果表明,谱峰特征是事件相关去同步/同步的一个敏感的量化参数,结合相同步相干性指数能够提供更多反映大脑意识任务状态的信息.该方法采用快速傅里叶变换和线性判别式分析,特征提取和分类算法简单,计算速度快.为在线脑机接口系统的实现提供了新的思路和途径.     

关于脑电信号分析方法的探讨

阐述了傅里叶变换(FFT)、短时傅里叶变换(STFT)以及小波变换的理论,并在MATLAB中对实验中自由活动大鼠运动皮层放电过程中采集到的数据进行了分析.实验表明,小波变换为脑电信号处理领域的研究提供了一个更加有效的方法.     

基于MSLDSMC窗的谐波与间谐波参数估计算法

快速傅里叶变换(FFT)方法在谐波检测过程中会出现频谱泄漏和栅栏效应，导致谐波与间谐波参数的检测精度不高.为了提高估计精度，利用最大旁瓣衰减窗(MSLD)进行乘积和卷积运算，构建出旁瓣性能优越的MSLD自乘-卷积窗(MSLDSMC),并在此基础上设计了一种三谱线插值的高精度谐波与间谐波参数估计算法.在不同复杂场景下进行仿真实验，实验结果验证了基于MSLDSMC窗三谱线插值的谐波与间谐波参数估计算法检测的准确性.     

结合快速傅里叶变换和线性调频变换的快速波达方向估计

针对阵列信号处理中传统多重信号分类(MUSIC)算法估计信号波达方向(DOA)时运算量庞大,导致其在实时性需求较高的场合应用受限的问题,提出一种结合快速傅里叶变换和线性调频变换的快速DOA估计算法。该算法以降低MUSIC算法谱峰搜索的运算复杂度为目的,首先利用分片搜索的思想并结合快速傅里叶变换对估计的信号子空间矢量进行波束形成,近似估计信号DOA,获取其对应波束指向及该波束指向对应的空域角度范围,避免了对全空域角度范围的谱峰搜索;然后,针对已确定的空域角度范围,结合线性调频变换算法实现信号DOA的精确估计,通过将MUSIC算法中对估计的噪声子空间矢量的加权处理转化为可以快速实现的序列的圆周卷积,降低精确估计信号DOA时谱峰搜索的运算复杂度。理论分析和仿真实验表明:相比于经典的MUSIC算法,所提算法能够在保证信号DOA估计精度的前提下将MUSIC算法谱峰搜索的运算复杂度降至原复杂度的10%以下;对于阵列孔径较大和DOA估计精度要求较高的场景,所提算法的计算效率优势更为明显。     

基于Matlab GUI的离散信号谐波分析

通过分析周期信号的傅里叶级数和傅里叶变换的关系,为谐波分析提供理论依据。由于存在频谱泄露和栅栏效应,使用快速傅里叶变换(FFT)进行谐波分析时计算精度不高。为此,本文提出采用频域采样点数等于离散信号长度的离散傅里叶变换(DFT)进行谐波分析,可以有效的减小频谱泄露和栅栏效应带来的影响。通过模拟分析,验证了相比于FFT算法,该算法具有较高的计算精度。最后,基于该算法,使用MATLAB GUI制作了一款具有界面友好且便于数据处理的谐波分析软件,其中包含误差计算模块。利用该软件对多个信号进行谐波分析并计算误差,结果表明,误差的均方差和标准差均较小,由此进一步证实该算法是有效的。     

基于特征筛选的经验模式分解脑电信号分类方法

脑-机接口已成为一种独立于正常周围神经和肌肉的从大脑到输出设备的新型通信方式.而脑电信号处理是其中的关键技术之一.利用小波变换和经验模式分解对脑电信号进行分解重构出8个内涵模态分量(IMF),然后再对分解后的IMF计算排列熵,运用比较特征值的显著性差异(Pearson系数)筛选出特征冗余小的IMF熵值,并利用遗传算法优化支持向量机进行分类,准确率达到97.64％.     

基于降维Householder变换的多任务运动想象脑电信号特征提取研究

近年来,针对传统的左右手运动想象BCI系统信息传输速率低这一现状,众多脑-机接口(BCI)研究团队开始着眼于对多任务运动想象脑电信号的研究,相比于两类模式识别,多类模式识别能够有效提高BCI系统的信息传输速率。如何准确提取出多任务脑电信号的特征,是实现多任务BCI系统的关键。采用了基于初等反射变换(又称Householder变换)的矩阵近似联合对角化算法,将CSP算法应用于多任务运动想象脑电信号的特征提取,对EEG信号采集效果较好的受试者,四任务运动想象脑电信号的分类准确率提升至80%以上,为在线BCI系统的实现奠定了坚实的基础。     

变压器相位检测方法的研究

正弦信号的相位检测是许多测量工程的一项基本而重要的任务.讨论了利用改进的I-Q解调法进行变压器相位检测的原理,对实际信号处理流程和测量误差进行了分析,并进行了仿真研究.结果表明：I-Q解调法从实时性、检测精度和抑制噪声能力等方面都优于其他常规方法.该方法已成功应用于变压器的相位检测中.     

快速傅里叶变换在频谱分析中的应用

在快速傅里叶变换原理和Cooley-Tukey快速傅里叶变换算法的基础上,给出一个新的应用于数字信号处理(DSP)的频谱分析方法,并分析该方法的运算效率和存储空间开销.实例证明,本方法的复数乘法运算量与存储空间开销均较小,符合DSP信号处理器的特点,适合应用于采用高性能DSP的MP3/MP4或手机等消费电子产品.     

高噪声背景下故障信号自适应检测

为尽早发现电厂锅炉潜在故障,以研究高噪音背景下故障自适应检测系统为途径,提出了高噪音背景下故障信号检测的算法。传统的倒谱分析是对信号基于FFT(Fast Fourier Transformation)变换,而该算法对其进行改进,基于CZT（Chirp Z\|Transform）变换进行求逆,得到的故障特征曲线更稳定、更可靠。通过实验证明,该计算方法快速有效,故障报出的正确率在99％以上。     

多普勒信号分析技术的比较研究

有好几种信号处理技术被应用于超声多普勒信号的分析，为了在平均频率估计的准确性和频谱展宽检测的和生上对各种方法加以优化，并比较这些不同处理方法的性能，该文研究了短时快速傅里叶变换，快速傅立叶变换结合平稳性提高的方法，改进的协方差估计法以及包括伪Ｗｉｇｎｅｒ－Ｖｉｌｌｅ分布和Ｃｈｏｉ－Ｗｉｌｌｉａｍｓ分布的时间－频率分析方法，通过模拟实验，得出了时间－频率分析方法可适用于多普勒信号的分析，参数估计方法     

基于独立成分分析的脑电伪迹消除方法

独立成分分析(ICA)是统计信号处理中的一项新技术，用来从混合信号中提取具有统计独立性的成分，基于固定点快速算法，从脑电(EEG)信号中消除眼电(EOG)伪迹信号，并给出了实验结果。实验结果表明该算法具有较好的性能和实用性。     

小波变换域多路回波消除自适应滤波算法

提出了一种小波变换域Newton／LMS多路回波消除自适应算法．新算法使用输入信号经离散小波变换后的细节分量调节自适应滤波器系数．当新算法应用于多路回波消除时具有很高的收敛速度和收敛精度,取得了较好的回波消除效果．仿真表明了新算法的有效性。     

多核CPU上快速傅里叶变换并行算法的优化

快速傅里叶变换在数字信号处理和通信领域具有广泛的应用．多核CPU日益普遍,根据FFT算法自身的并行性,灵活分解蝶形运算,通过探究并行块的分配和嵌套关系对算法加以优化,合理地分配线程实现多核CPU的并行计算,可以提高FFT的计算效率．