本文關(guān)鍵詞：基于改進(jìn)的小波排列熵的心腦電信號(hào)分析，由筆耕文化傳播整理發(fā)布。

【摘要】：心電和腦電信號(hào)能有效地反映出人體機(jī)能的狀態(tài),有效地區(qū)分不同種類的心電和腦電的信號(hào)對(duì)輔助臨床診斷具有重要的意義�；诖�,我們提出了改進(jìn)的小波排列熵的算法,以期有效地區(qū)分開這些生理信號(hào)。本文所做的工作主要有以下三點(diǎn):(1)提出改進(jìn)的小波排列熵算法,將其用來(lái)區(qū)分室性心動(dòng)過(guò)速(VT)、心臟性猝死(SCD)和正常心電(NSR)。整個(gè)過(guò)程要分為不同的數(shù)據(jù)長(zhǎng)度、不同的嵌入維數(shù)以及不同的延遲時(shí)間來(lái)分別進(jìn)行討論。結(jié)果表明,對(duì)目標(biāo)區(qū)分頻段而言,小波排列熵算法能夠在一定程度上區(qū)分出這三種生理信號(hào),但區(qū)分效果并不顯著,而改進(jìn)的小波排列熵算法能夠有效地區(qū)分出這三種信號(hào),且區(qū)分效果非常明顯。(2)用小波排列熵和改進(jìn)的小波排列熵算法來(lái)分別討論護(hù)士和學(xué)生兩種不同職業(yè)人群的緊張程度的腦電信號(hào)。結(jié)果顯示小波排列熵和改進(jìn)的小波排列熵也都能對(duì)這兩種信號(hào)進(jìn)行區(qū)分,但是絕大部分情況下改進(jìn)的排列熵的區(qū)分效果要更為顯著(p值遠(yuǎn)小于0.001)。(3)開發(fā)了一套基于Lab VIEW的心腦電分析系統(tǒng),整個(gè)系統(tǒng)包括數(shù)據(jù)讀取模塊、波形顯示模塊、數(shù)據(jù)分析模塊和結(jié)果顯示模塊四大部分,分別實(shí)現(xiàn)的功能是讀取數(shù)據(jù)、顯示波形、分析數(shù)據(jù)和結(jié)果顯示。整個(gè)系統(tǒng)能有效地運(yùn)行,并且分析結(jié)果與MATLAB的仿真得到的結(jié)果相近,說(shuō)明本系統(tǒng)達(dá)到了預(yù)期的效果。
【關(guān)鍵詞】：心電信號(hào) 腦電信號(hào) 小波分析 排列熵 LabVIEW
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R33;TN911.6
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-13
• 1.1 人體生理信號(hào)概述8-10
• 1.2 幾種典型的生理信號(hào)的研究方法10-12
• 1.3 論文研究?jī)?nèi)容及結(jié)構(gòu)安排12-13
• 第二章 生理電信號(hào)基礎(chǔ)及非線性分析方法13-27
• 2.1 生理電信號(hào)基礎(chǔ)13-20
• 2.1.1 腦電信號(hào)的基礎(chǔ)知識(shí)13-17
• 2.1.2 心電信號(hào)的基礎(chǔ)知識(shí)17-20
• 2.2 非線性動(dòng)力學(xué)基本理論20-24
• 2.2.1 混沌理論基礎(chǔ)21-22
• 2.2.2 相空間重構(gòu)基礎(chǔ)22-24
• 2.3 生理信號(hào)常用分析方法24-26
• 2.3.1 李雅普諾夫指數(shù)24-25
• 2.3.2 柯?tīng)柲缰Z夫熵25
• 2.3.3 關(guān)聯(lián)維數(shù)25-26
• 2.4 小結(jié)26-27
• 第三章 改進(jìn)的小波排列熵對(duì)心電信號(hào)的分析27-41
• 3.1 小波分析基礎(chǔ)27-33
• 3.1.1 小波變換基本理論28-30
• 3.1.2 用小波對(duì)信號(hào)進(jìn)行分解與重構(gòu)30-32
• 3.1.3 幾種典型的小波基函數(shù)32-33
• 3.2 改進(jìn)的排列熵算法研究33-35
• 3.2.1 排列熵33-34
• 3.2.2 改進(jìn)的排列熵34-35
• 3.3 基于改進(jìn)的小波排列熵的心臟猝死和室性心動(dòng)過(guò)速分析35-40
• 3.3.1 實(shí)驗(yàn)數(shù)據(jù)35
• 3.3.2 實(shí)驗(yàn)方法35-36
• 3.3.3 實(shí)驗(yàn)的結(jié)果與分析36-40
• 3.4 小結(jié)40-41
• 第四章 改進(jìn)小波排列熵對(duì)EEG信號(hào)的分析41-51
• 4.1 不同職業(yè)人群緊張程度的EEG研究的概述41-45
• 4.1.1 課題研究的意義和國(guó)內(nèi)外的研究現(xiàn)狀41-43
• 4.1.2 精神緊張和EEG的關(guān)系43-44
• 4.1.3 緩解精神緊張的方法44-45
• 4.2 改進(jìn)的小波排列熵對(duì)護(hù)士和學(xué)生的緊張腦電的分析45-50
• 4.2.1 實(shí)驗(yàn)數(shù)據(jù)45
• 4.2.2 實(shí)驗(yàn)方法45-46
• 4.2.3 實(shí)驗(yàn)的結(jié)果和分析46-50
• 4.3 小結(jié)50-51
• 第五章 基于LabVIEW的心腦電分析系統(tǒng)的實(shí)現(xiàn)51-62
• 5.1 LabVIEW概述51-53
• 5.1.1 LabVIEW簡(jiǎn)介51-52
• 5.1.2 LabVIEW的開發(fā)環(huán)境52-53
• 5.2 LabVIEW與MATLAB的混合編程[63]介紹53-54
• 5.2.1 LabVIEW MathScript和MATLAB的混合編程53
• 5.2.2 LabVIEW MatlabScript和MATLAB的混合編程53-54
• 5.3 基于LabVIEW的心腦電分析系統(tǒng)的實(shí)現(xiàn)54-61
• 5.4 小結(jié)61-62
• 總結(jié)與展望62-64
• 參考文獻(xiàn)64-67
• 附錄1 攻讀碩士學(xué)位期間撰寫的論文67-68
• 附錄2 攻讀碩士期間參加項(xiàng)目68-69
• 致謝69

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 王兵;王魁;梁曉霖;王柏祥;;腦電信號(hào)中工頻干擾去除的綜合研究[J];傳感技術(shù)學(xué)報(bào);2010年01期

2 王巧蘭,季忠,秦樹人;基于小波變換的腦電噪聲消除方法[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年07期

3 高軍峰;鄭崇勛;王沛;;基于獨(dú)立成分分析和流形學(xué)習(xí)的眼電偽差去除[J];西安交通大學(xué)學(xué)報(bào);2010年02期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 許巖;含噪混沌時(shí)間序列相空間重構(gòu)參數(shù)估計(jì)[D];重慶大學(xué);2013年

  本文關(guān)鍵詞：基于改進(jìn)的小波排列熵的心腦電信號(hào)分析，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：326310