心率变异信号的非均匀采样问题研究

心率变异性研究是目前的一个研究热点,心率变异性研究的主要对象-R-R间期时间序列是一个非均匀采样序列,这种非均匀性导致了许多问题,本文提出了一种基于三次样条的序列均匀重采样算法。并构造了一种新的更直观的R-R间期信号模型。实验结果表明新算法确实可以改善谱估计的结果和波形的形态,消除二次伪谐波峰,并在大多数情况下减少偏差。更重要的是,该算法使得R-R间期序列的物理意义更明确,从而使不同信号间的比较和运算成为可能。     

基于混沌、分形理论的表面肌电信号非线性分析

本文采用混沌、分形的理论和方法对表面肌电信号进行处理,通过重构相空间,分析运动过程中肌电信号的混沌、分形特性。研究表明,肌电信号具有正的李雅谱诺夫指数,表现出一定的混沌特征。通过计算两路肌电信号的分形维数,发现不同动作的肌电信号具有不同的聚类分布。该类非线性分析方法的肌电信号的机理研究和病理诊断、动作分析提供了新的思路。     

基于高阶神经网络的肌电信号识别方法的改进

目的;提高假肢分类训练的速度和准确率。方法：采用一种高效率的高阶神经网络－－Ｐｉ－Ｓｉｇｍａ网络,并针对肌电信号的非平稳特性,对用小波变换提取的表面肌电特征进行分类。结果：效率大大提高,而且在训练速度提高的同时,并不其分类的准确性。结论。与传统识别方法相比,Ｐｉ－Ｓｉｇｍａ网络的肌电信号识别方法训练速度快,精确度高,生好是一种具有肌电信号识别方法。     

基于短时傅里叶变换的肌电信号识别方法

针对肌电信号的非平稳特性,采用短时傅里叶变换方法对表面肌电信号进行分析,并通过奇异值分解有效地提取特征矢量进行模式识别,能够成功地从掌长肌和肱桡肌采集的两道表面肌电信号中识别展拳、握拳、腕内旋、腕外旋四种运动模式。实验表明,基于短时傅里叶变换的奇异值分解方法是一种稳定、有效的特征提取方法。     

肌肉疲劳过程中的表面肌电信号特征研究

目的：研究肌肉疲劳过程中表面肌电信号的特征,实现疲劳状态的定量描述。方法：运用分形几何理论计算肌电信号波形的分维数,在受试者持续用力的情况下观察肌电信号分维数随时间的变化。结果：随着肌肉逐渐进入疲劳状态,肌电信号分维数参数呈现出增长的趋势。结论：信号分维数参数的物理意义明确,运算简便,为疲劳检测、肌电信号的机理研究和病理诊断提供了新的手段。     

肌电信号分析方法的研究及进展

肌电信号（ＥＭＧ）是产生肌肉力的电信号根源,在生物机理上它是许多运动单元产生的动作电位序列的总和［１］。肌电信号在基础研究、临床诊断和康复工程中均有广泛的应用。利用肌电信号的信息可以对肌疲劳性、重症肌无力、肌强直、肌萎缩等多种疾病作出临床诊断;由于不同的肢体动作具有不同的肌肉收缩模式,这些模式的差别反映在肌电信号特征的差异上,通过提取这些特征,进行模式分类,可以区分不同的肌肉动作,以驱动假肢;在功能性神经电刺激和生物反馈研究中,人们利用肌电信号来产生所需要的电刺激或反馈调节作用。近年来,肌电图研…     

小波变换在表面肌电信号分类中的应用

针对肌电信号的非平稳特性,采用小波变换方法对表面肌电信号进行分析。通过奇异值分解有效地提取信号特征进行模式识别,能够成功地从掌长肌和肱桡肌采集的两道表面肌电信号中识别展拳、握拳、前臂摧旋、前壁外旋四种运动模式。实验表明,基于小波变换的奇异值分解方法是一种稳定、有效的特征提取方法、为非平稳生理信号的分析提供了新的手段。     

表面肌电信号的复杂度特征研究

目的 电子运动神经系统本质上是一个高度非线性的动力学系统，尝试提取肌电信号的非线性动力学信息作用信号的特征。方法 采用一种算法简单、适合短数据运算的复杂度算法，提取双通道表面肌电信号的复杂信息来反映运动神经系统运动的复杂程度。结果 比较了４种闪臂动作信号的复杂度人有很好的分离性。结论 该算法能够满足实时处理的要求，作为一种新的肌电信号量化特性，复杂度指标为生理与病理分析、运动模式分类提供了新的思路     

人类基因组计划中的生物信息学

近年来，随着人类基因组计划的开展，极大地推动了生物信息学的发展。生物信息学综合运用计算机科学、应用数学的技术和手段，探索各种计算、数学、统计方法在生物问题上的应用，已广泛用于基因序列数据的获取、处理、分析和管理，为促进人类基因组研究发挥了巨大作用。     

人类基因组计划中的生物信息学

近年来，随着人类基因组计划的开展，极大地推动了生物信息学的发展。生物信息学综合运用计算机科学、应用数学的技术和手段，探索各种计算、数学、统计方法在生物问题上的应用，已广泛用于基因序列数据的获取、处理、分析和管理，为促进人类基因组研究发挥了巨大作用。