脑电棘波识别和噪声消除的小波变换方法

研究了利用二进小波变的的模极大值识别脑电信号奇异点如棘波和消除噪声的方法，该方法在较好保留原脑电信号奇异信息的同时能有效地消除噪声，进一步讨论了信号与白噪声的奇异性指数的区别，以及小波变换模极大值沿各变换尺度传递的不同特性，并利用该特性区分信号中的奇异点和噪声，能准确识别奇异点的位置，这种奇异性识别技术在信号的特征提取和消除噪声方面有广阔的应用前景。     

基于小波包变换的癫痫脑电棘波检测

为了能够较好地实现癫痫患者脑电的棘波检测,提出一种将棘波物理特征（幅度、频率）和小波包变换结合的算法,用于癫痫患者脑电信号的棘波检测。首先利用小波包变换对癫痫脑电信号进行小波包分解,将脑电波频率（0~30 Hz）划分为3层;其次根据脑电波的频率范围重构第三层节点频率S（3, 0）（0~10.85 Hz）、S（3, 1）（10.85~21.7 Hz）、S（3, 2）（21.7~32.55 Hz）的脑电信号;最后取棘波的幅度作为检测阈值分别提取癫痫患者健康期、癫痫发作间期及癫痫发作期的棘波。实验结果证明,当数据的采样频率为173.61 Hz、信号长度为23.6 s时,该算法能够提取不同癫痫患者在不同时期的棘波信号,该算法棘波的误检率为12.02%、漏检率为11.70%。因此,本文所采用的算法在癫痫棘波检测中具有良好的效果。     

基于小波变换的QRS波检测

目的　将小波变换应用于ECG信号QRS波检测,提高QRS波的正确检测率。方法　利用二进Marr小波对ECG信号按Mallat算法进行变换;从等效滤波器的角度分析了信号奇异点(R波峰值点)与其小波变换模极大值的关系;探讨二次微分小波与一次微分小波在奇异点分析时性能上的差异,在检测中还运用了一系列策略以增强算法的抗干扰能力。结果　经MIT/BIH标准心律失常数据库验证,QRS波的正确检测率高达99.8%。结论　小波技术在ECG信号消噪和精确定位显示良好的性能;不同的小波函数直接影响结果和后续的检测策略。     

脑电信号数据压缩及棘波识别的小波神经网络方法

对小波神经网络及其算法研究的基础上,提出了一种对脑电信号压缩表达和痫样脑电棘波识别的新方法。实验结果显示,小波网络在大量压缩数据的同时,能够较好的恢复原有信号。另外,在脑电信号的时频谱等高线图上,得到了易于自动识别的棘波和棘慢复合波特征说明此方法在电生理信号处理和时频分析方面有着光明的应用前景。     

ECG信号的小波变换检测方法

本文反小波变换应用于ＥＣＧ信号的ＱＲＳ波检测。利用二进样条小波对信号按Ｍａｌｌａｔ算法进行变换：从二进小波变换的等效滤波器的角度，分析了信号奇异点（Ｒ峰点）与其小波变换模极大值对的零交叉点的关系。在检测中运用了一系列策略以增强算法的抗干扰能力、提高ＱＲＳ波的正确检测率。经ＭＩＴ／ＢＩＨ标准心电数据库检测验证，ＱＲＳ波正确检测率高达９９．８％。     

基于小波变换和Teager能量算子的癫痫脑电自动分类

提出一种利用小波变换和能量算子对EEG进行预处理提取癫痫特征信号,进行近似熵估计,对脑电信号进行分类的新方法。首先利用小波分析将EEG信号进行4层分解分成多个子频带,对频率接近棘波的第1,2层小波系数计算非线性能量算子,再对能量算子进行近似熵估计,最后用SVM对EEG信号进行分类。结果表明,该方法对癫痫发作期EEG和正常的EEG分类效果比较理想。     

基于形态学滤波器的棘波提取技术

本研究提出了一种基于形态学滤波器的脑电棘波检测方法。首先，选择三角形为结构元素，采用数学形态学中的级联开闭和闭开运算分别对脑电信号进行处理，去除癫痫样瞬态信号；然后对级联开闭和闭开运算采用平均加权的方法，消除统计偏倚现象，得到背景脑电信号；最后将处理结果和原始脑电信号做差，提取出脑电信号中的棘波。通过仿真信号的对比分析和临床癫痫脑电信号的应用，表明该方法适用于双向棘波的提取，与以往的方法相比，背景脑电的抑制能力更强，提取出的信号特征成分更完整。     

基于小波分解的颈动脉波特征提取算法

目的:利用小波变换的时频局域化性质,检测出存在于颈动脉波信号(CAP)中的奇异点和奇异角,并且精确检测奇异角出现的位置。方法:小波变换具有多分辨率等特点,能够通过放大信号的任意细节部分进行时域分析。采用离散小波变换法结合db1小波能够检出脉搏信号中的奇异U角。利用计算CAP时域特征点的小波变换极大值坐标来精确定位脉搏时域特征点,通过检测脉搏的特征参数以及脉搏的突变特征参数,可以客观判定人体脉搏变化规律。结果:CAP信号WT分解很好地抑制了各种病理性、基线漂移等干扰,为进一步进行特征提取创造了条件,基于第一细节信号d1的特征点定位几乎不受各种病理性、基线漂移等干扰的影响,定位比其他传统处理技术更为准确。结论:本文提出了基于小波分解的颈动脉波特征点提取算法,取得高达100%的检测率。在含有大量噪声和伪差的脉搏信号中,仍具有较高正确检出率和良好的抗噪性。根据计算得到CAP信号时域特征点的小波变换极大值的坐标,再利用极大值表征准确测定脉象时域特征点的坐标,能够克服脉搏时域特征点定位不准的问题。     

一种基于时频分析的癫痫脑电棘波检测方法

脑电癫痫特征波的自动提取对于患者的诊断以及减轻医生的繁重劳动都具有重要的意义.本研究提出了一种基于时频分析的癫痫脑电棘波检测方法.首先通过矩阵的奇异值分解方法得到效果更佳的脑电信号(EEG)的时频分布图,然后利用时频分布的差异测度方法达到对棘波的检测目的.在对临床癫痫脑电信号的实验中,该方法取得了较好的结果.     

检测脑电癫痫波的小波分析方法

小波分析是一种时／频域的分析方法,它具有多分辨率,相对带宽恒定,在时、频两域都具有表征信号局部特征能力的特点,被誉为“数字显微镜”本文基于二进小波变换,对嫌疑癫痫波进行多尺度的分析,根据脑电嫌疑波的三种基本成分（棘波、尖波和慢波）在不同尺度上的特性检测出它们。文中最后给出了小波分析检测脑电癫痫波的实例。理论和实践表明,小波分析在脑电癫痫波的检测中有广阔的应用前景。     

癫痫脑电信号的奇异性研究

基于小波变换模极大值在多尺度上的变化,研究了癫痫脑电的奇异性,并用Lipschitz指数来表征.提出了一种高阶统计的方法来研究癫痫脑电的高阶奇异谱特征,并和健康脑电进行比较.实验结果表明,癫痫脑电的Lipschitz指数和高阶奇异谱与健康脑电相比存在明显的差异,说明该方法对研究脑电是有效的.     

Study on Singularity of Chaotic Signal Based on Wavelet Transform

INTRODUCTION The significant information of a signal is often carried by singular characteristics or irregular struc-tures of the signal, for example, the most important information of ECG(electrocardiogram) or EEG isoften presented at the transient points of a signal, such as those points near peaks. The singular charac-teristics of these transient points are more obvious than the smooth parts of signals. Therefore,to studythe singularity of a signal is a meaningful work. Those analysi…     

基于小波变换的脑电图癫痫波形检测

脑电图中癫痫波形的自动检测与分类是临床上很有意义的工作。我们根据脑电图中的癫痫特征波形，利用小波变换的时频局部化特性，给出了一种高效的癫痫波表的自动检测方法，构造了一个连续的癫痫波检测系统。通过检测不同尺度上的局部极大值，确定出对应的脑电图中的锐变点位置，并由此检测出脑电图中的癫痫波，从初步临床试验的结果来看，系统具有检测精度高，可连续作业等优点，获得了较好的效果。     

A multi-level wavelet approach for automatic detection of epileptic spikes in the electroencephalogram

We describe a strategy to automatically identify epileptiform activity in 18-channel human electroencephalogram (EEG) based on a multi-resolution, multi-level analysis. The signal on each channel is decomposed into six sub-bands using discrete wavelet transform. Adaptive threshold is applied on sub-bands 4 and 5. The spike portion of EEG signal is then extracted from the raw data and energy of the signal for locating the exact location of epileptic foci is determined. The key points of this process are identification of a suitable wavelet for decomposition of EEG signals, recognition of a proper resolution level, and computation of an appropriate dynamic threshold.     

ERP单次提取中的小波变换模极大值恢复算法

自发脑电的频谱不规则,与有效信号ＥＲＰ频谱相重叠,传统滤波方法难以奏效。但由于随机噪声奇异性指数与有效信号奇异性指数大小不一样,小波变换模极大值在不同尺度下传播行为也不一样,据此可将有效信号从随机噪声中提取出来。我们发现利用小波变换模极大值算法可以提取出单次ＥＲＰ,并将此方法用于１１名被试听觉的实时提取研究。     

正交小波变换的快速算法在心电QRS波检测中的应用

目的：研究基于小波变换的心电QRS波检测的准确率、抗干扰性和实时性，论证其在实际工程应用中的可行性。方法：作者在比较了不同小波基的检测准确率之后，采用一种基于三次B样条小波变换的心电QRS波检测算法，利用离散正交二进小波的快速算法-Mallat算法进行分解滤波，再利用小波变换与信号奇异点的关系，在2^3尺度下识别R波峰值，在2^1尺度上检测QRS波的起点和终点，QRS波的起点和终点对应于小波变换的一对符号相反的模极大值，R波的峰点对应于介于这对模极大值之间的小波变换过零点，并用美国MIT／BIH心电标准数据库分析该算法的准确率、抗干扰性和实时性。结果：该方法具有比较理想的检测准确率，在99％以上；对肌电、工频、基漂等常见的心电信号干扰有较好的容限度，即使心电序列伴有严重的基漂和高频、工频、肌电等干扰，也不影响QRS波的检测；此外，三次B样条小波基的滤波器个数少，提高了运算速度，采样11．4s的数据进行分析，耗时为0．2s～0.3S，实时效果较明显。结论：可以满足实际工程应用的需要。     

小波变换和小波提升在胃电信号处理中的应用

本文介绍了小波基函数的定义、构造和小波提升。并将小波变换和小波提升应用于胃电(EGG)信号处理中。通过对信息熵、信号能量和联合熵等滤波后的信号特征进行分析,介绍了小波基函数的一般评价选择方法。为了验证评价方法的合理性,实验中采用了不同的小波基函数进行实验数据处理和信号滤波。通过小波变换和小波提升对EGG信号进行了滤波,分离了EGG快、慢波频段信号。并通过实验数据验证了小波变换和小波提升方案的合理性和EGG滤波算法的有效性。为胃的疾病诊断和测量提供了一个有效的解决工具和测量方法。