基于神经网络学习算法的胃电信号时频分析

本文提出了基于神经网络学习算法的一种新的胃电信号自适应时频分析方法。与传统的短时富里叶变换（ＳＴＦＴ）和Ｗｉｇｎｅｒ分布相比，本方法有如下优点：１、为更好地跟踪胃电信号的变化，提取其时频特征，我们首先引入调制性基函数作为窗口函数。这种窗口函数包含位移参量、尺度参量和中心频率参量，通过调节这些参量可改变窗口函数的中心位置。窗口形状和中心频率大小，因而保证与分析信号保持最佳匹配；２、由于胃电信号的非稳态和非线性，胃电信号时频参量的变化是非线性的。我们应用神经网络这种最佳非线性估计器来学习这些参量，既可获得较高的估计精度，又有较高的自适应性；３、所提出的方法不仅比ＳＴＦＴ和Ｗｉｇｎｅｒ分布有更高的分辨率，而且其时频能量分布图是清晰的，没有交叉项干扰。