版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
[14]2.3.6阈值方式(1)软阈值:没有达到所设阈值的系数记为0,超过所设阈值的系数略微减小,即(8)(2)硬阈值:低于所设阈值的系数全部记为0,即(9)2.3.7离散小波变换的分解与重构算法1、分解算法(1)DWT一级分解算法图图3DWT一级分解算法图(2)DWT二级分解算法图图4DWT二级分解算法图2、重构算法(1)IDWT一级重构算法图图5IDWT一级重构算法图(2)IDWT二级重构算法图图6IDWT二级重构算法图2.3.8基于小波变换的信号处理框图图7基于WT的信号处理框图2.4EEG处理方法本文首先对脑电信号做了带通滤波并进行了时频分析,后采用Matlab小波变换工具箱WaveletAnalyzer对EEG进行了滤波,得到一个不含噪的信号,然后再利用小波分析提取了EEG的四大节律做功率谱分析。本文实验总体流程图如下:图8实验流程图在本文中设计了2阶带通IIR滤波器并以Morlet小波为小波基对信号做CWT进行了时频分析,又采取了小波变换工具箱和小波变换函数:wavedec、detcoef、appcoef、wrcoef等,对EEG做了去噪、节律提取以及功率谱分析。主要用MatlabR2018a将处理结果进行可视化,将信号的频谱信息以及信号处理结果用图像的形式表现出来。下面对所用函数进行解释:(1)Wavedec:用一维的DWT对信号做多层分解。例如:[C,L]=wavedec(X,N,Y),其中“X”代表着要处理的信号,“N”代表分解层数,“Y”代表所采用的小波基函数。(2)Detcoef:用于从“C”中提取第N层的细节函数,例如:D2=detcoef(C,L,2)即为提取出第1层的细节函数并赋值D1。(3)Appcoef:用于从“C”中提取N层近似函数,例如:C7=appcoef(C,L,db4,7),其中“C”为分解向量,“L”为长度向量,“db4”为所选小波基函数,“7”为分解层数。(4)Wrcoef:用于在某一层重构小波系数,是一种多尺度函数,例如:SRC1=wrcoef(type,C,L,db4,1),其中type=a时为低频,type=b时为高频。本文在用DWT对EEG滤波时选择了WaveletAnalyzer,该工具箱里有一维、二维、三维小波变换以及多重小波分析、小波设计、专业工具和展示、拓展等操作。本文选用One-dimensionalwavelettransform方式,载入信号“signal”进行一维离散小波变换,并选择小波母函数和分解层数进行分析即可,然后做De-noise进行滤波就可以获取去噪之后的成效了,其中阈值为系统自动识别的阈值,阈值方式选择了软阈值。3仿真结果与分析3.1带通滤波与时频分析本小节设计了二阶band-passIIR滤波器对EEG做处理,该滤波器以Butterworth滤波器为基础进行设计,输入的参数与Butterworth滤波器中使用的参数相同。然后以Morlet小波对信号做CWT进行时频分析,获取如下效果图:图9脑电信号的时频分析图如上图所示,我们观察到了连续小波变换对脑电信号的时频分析结果,显示了信号随时间与频率变化时的能量分布情况:仅从时域上看,在10至15Hz内,信号能量随时间增加而缓慢减小;在15至20Hz内,随着时间的增大,信号能量先是减小然后增大;在20至25Hz内,信号的能量有一段波峰后迅速减小;仅从频域上看,在0至4s内,信号能量都是先减小再上升到波峰后下降;在4s时,信号的能量一直在增大,但是在频率变高时,增大的比较缓慢;在4至6s内,信号能量先上升再下降;在6s以后,信号能量整体偏低并呈缓慢降低的趋势。从时、频两域同时分析发现,在时间高频率低的情况下,信号的能量普遍较高,而高频出,信号能量虽有波动但是整体较低,在4s、15Hz时,信号的能量最高。3.2频谱和功率谱分析为了研究脑电信号中不同频率处信号的能量分布以及变化情况,所以将原始信号取前1024个点做FFT得到该信号的频谱,再计算功率谱与各店对应的频率值得到信号的功率谱,从而更加直接的看到不同频率处信号的能量分布情况。其效果图如下所示:图10信号频域以及功率谱图由图10所示,原始EEG的波形如(1)图所示,发现了该信号的波形较为杂乱;又由(2)图所示,发现该信号在0至5Hz内功率谱密度较高,在往后的频段里虽有小幅波动但是整体成下降趋势,该信号在低频时功率谱密度较高,随着频率的增大,信号的功率谱密度反而越来越小,反映出该信号的功率随着频率的增大而减小的趋势。3.3离散小波变换滤波分析因为脑电信号包含了许多干扰信号,这些噪声甚至一度超过了有用信号,对进行信号处理造成了非常大的困难,又因为脑电信号具有不稳定性和不确定性,容易受到外界干扰,如果使用滤波器进行滤波可能会在信号谱与噪声谱交叉处滤除掉一些有用的信息,导致处理效果不佳,因此该部分使用了离散小波变换的方法进行滤波,操作步骤与效果图如下:图11信号滤波操作图因为db小波十分契合EEG,所以该部分采用的是db4小波函数,并且分解了7层。利用Matlab工具箱WaveletAnalyzer去除噪声,先输入:wavemenu,选中wavelet1-D,进行一维DWT信号处理,然后加载信号:File-Load-Signal,选择db4进行7层分解,阈值方法选择系统匹配的阈值和软阈值方法去除信号的未缩减高斯白噪声。图12滤波前后对比图由图12可见,黑色波形为滤波后的信号波形,而图中的红色部分为原始信号所被滤除得噪声信号。由此可见,运用小波变换滤除EEG噪声得到了显著的效果,滤除掉了脑电信号中包含的高斯白噪音的扰乱,很好的保存了EEG所包含的有用信息,与之前所设计的带通滤波器进行滤波相比,小波变换明显更为方便与高效,成功滤除掉了信号上的杂乱噪声。3.4节律提取与功率谱分析脑电信号在生物医学和数字信号处理领域都具有十分重要的地位,根据它的频率与幅度的不同可以分为四种节律。在时域中,通过信号的波形和状态对信号进行分析时,可以根据波形分成δ、θ、α、β四种波,利用小波多尺度分解得到最佳细节系数和近似系数,再根据细节系数和近似系数经过小波重构完成各个节律的提取工作,本文采用了db4小波7层分解,分解为64个频率成分后获得δ、θ、α、β四种波的节律。再把小波变换提取到的EEG节律,通过快速傅里叶变换计算出他们的功率谱以及各点所对应的频率值,得到如下效果图:图13db4分解细节系数图由图13可见,对信号用db4小波进行多尺度分解,得到了7层细节系数。该部分用了wavedec、appcoef和detcoef进行了一维小波分解与小波变换低频、高频系数的提取。图14db4分解近似系数图由图14可见,对信号用db4小波对信号进行了多尺度层分解,得到了6层近似系数。该部分运用了wavedec与appcoef,对信号进行了一维小波多尺度分解和一维小波变换低频系数的提取。图15节律功率谱图该部分对信号用db4小波进行了多尺度分解与重构完成了节律的提取,并进一步进行了快速傅里叶变换和功率谱的计算。调用了wavedec、appcoef、detcoef、wrcoef函数完成了小波变换的分解与重构,又运用了FFT和功率谱计算,得到了EEG节律的功率谱图。由图15来看,在1至4Hz内,δ波表达较强烈;在4至8Hz内,θ波表达较强烈;在8至13Hz内,α波表达较强烈;在14至30Hz内,β波表达较强烈。可见小波分析对EEG的节律提取效果十分显著。在医学领域,通常经过对这四种波的波形和状态对病患的病情做出判断,也可以应用这种方法构造出特定的滤波器,或者将这种方法应用于脑电地形图的构建从而更好地研究其病理关系,为脑类疾病的分析与判断减少了困难。
4总结与展望(1)总结:对稳定信号用FFT进行功率谱分析,得到的结果映现出了信号整体的平均功率遍布情况,但无法得出信号的时域变化情况,而且该方法的结果受到信号时长和采样点数的影响。基于WaveletTransform的去噪处理在对不稳定信号消除扰乱时,得到的成果要比传统滤波器的去噪效果好,主要是因为低通滤波器对于随时间变化而发生频率变化的非平稳信号来说,处理效果并不能让人满意。而小波变换可以在时、频两域进行部分化处理,十分契合不稳定信号的分析。例如本文所研究的EEG,在运用小波变换做去噪处理时需要注意阈值以及阈值法的选取。如果选用的阈值太高,信号会失真。反之,如果选取的阈值过小,又无法取得去噪的效果。在提取脑电信号时小波分析的方法也十分实用,它解决了一般频谱分析所无法完成的时频同时定位,解决了EEG不稳定特征所带来的困扰。(2)展望:探究和分析EEG对于医学分析和工程设计都占据着极度首要的地位。本文通过WaveletTransform对EEG进行时频分析、滤波、节律提取和功率谱分析,证实了小波分析在EEG处理中的良好效果,利用WaveletTransform进行去噪的结果优于一般的传统手段,并且经过小波分解和重构提取EEG的节律以及功率谱分析的效果也十分显著,从而证明了小波分析的可行性,小波分析为EEG处理以及节律提取都提供了良好的学术依据和分析方法。需要注意的是在小波基函数的选取上,选择的
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2026事业单位宣传岗面试历年真题试卷及解析
- HIV课件教学课件
- HIV暴露预防课件
- 护红旗教学课件
- 绘画花教学课件
- 2026年国家电网招聘考试公共与行业知识全真模拟试卷及答案(二)
- 2026年国家电网统招考试管理类专业知识模拟试题及答案(三)
- 寒号鸟背景音乐课件
- 黄河落日下载课件
- 初中物理八年级下册《气体的压强》教学设计-基于苏科版教材的探究式课堂构建
- 《工业网络与组态技术》课程标准
- 染色助剂及其应用
- 2024年希望杯六年级一试试题及答案
- 从生活习惯看脑血管病的预防
- 中国移动室分问题排查优化指导手册
- 普通诊所污水、污物、粪便处理方案及周边环境情况说明
- 中考语文复习:阅读理解知识总结及答题技巧与练习题汇编(含答案)
- (6)挤包、穿伞作业指导书
- -三视图的形成及其投影规律(公开课)课件
- 龙丽高速公路某段水土保持监理工作报告
- GB/T 2492-2017固结磨具交付砂轮允许的不平衡量测量
评论
0/150
提交评论