隨著現(xiàn)代信息技術(shù)與生物神經(jīng)科學(xué)的快速發(fā)展,基于腦電、心電等一系列電生理信號(hào)的相關(guān)研究逐漸引起醫(yī)學(xué)領(lǐng)域和機(jī)器學(xué)習(xí)領(lǐng)域的高度關(guān)注.腦電信號(hào)是人體最為重要的電生理信號(hào)之一,腦電信號(hào)中含有大量的生理病理信息,在人腦疾病如癲癇、抑郁癥、阿爾茲海默癥等的診斷方面起至關(guān)重要的作用;另一方面,腦電信號(hào)的獲取方便、無(wú)創(chuàng)傷、花費(fèi)低,因此對(duì)腦電信號(hào)的研究受到越來(lái)越多學(xué)者的關(guān)注.本文對(duì)腦電信號(hào)研究的主要工作如下.一方面,提出基于全變差正則化與非抽樣小波變換相結(jié)合的去噪模型.噪聲的去除是進(jìn)行腦電信號(hào)識(shí)別與分析處理的首要環(huán)節(jié),全變差正則化一般在圖像處理領(lǐng)域應(yīng)用比較廣泛,它在去除噪聲的同時(shí)可以很好的保護(hù)圖像的邊緣信息.而小波變換具有多分辨分析的特點(diǎn),具有時(shí)頻局部性,因此很適合分析腦電信號(hào)這類非線性非平穩(wěn)信號(hào),但是應(yīng)用小波變換去噪在信號(hào)的邊緣處容易引起局部振蕩.本文將全變差正則化與小波分解相結(jié)合,給出一種新的去噪模型,并應(yīng)用分裂Bregman迭代算法進(jìn)行模型求解.在實(shí)驗(yàn)部分,與已有方法相比較本文方法有明顯優(yōu)勢(shì),并將其應(yīng)用于腦電信號(hào)去噪可明顯改善其信噪比.另一方面,提取一組新的特征用于癲癇腦電信號(hào)的分類.基于腦電信號(hào)非... 

【文章來(lái)源】：河南大學(xué)河南省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－２?ＳＶＭ訓(xùn)練分類器．??

如果樣本數(shù)據(jù)線性不可分，可以應(yīng)用變換函數(shù)把原來(lái)空間映射為某一更高維的空間，使??得在新映射空間中把原本線性不可分問(wèn)題變?yōu)榫�性可分問(wèn)題．ＳＶＭ分類的復(fù)雜程度取決??于支撐向量的數(shù)目．由原來(lái)線性不可分的空間投影到高維空間的示意圖如圖２－３所示．??個(gè)??＇Ｘ??＼??〇?〇?＼?＼??〇?Ｘ?ｘ＇?〇?＼?°?門?ｐ??〇?Ｘ?Ｘｖｙ?ＸＸ?＇?°°?〇〇?０??Ｘ?Ｘ＇�！�?＂ｘ＞，?〇?〇６＇?〇??〇?ｘ?ｘ?＾?ｘ?＼〇??＾?ｙ?Ｘ?〇?ｙ＾?＼?＼?＼—■??〇?二＾?Ｘ?＾?ｘ?ｘ?＼??〇?〇?〇?ｉ?＼?分ｐＫｆ平ｉｌｌ??Ｖ??圖２－３投影后線性可分示意圖．??這種非線性變換一般都是通過(guò)定義一定的核函數(shù)來(lái)實(shí)現(xiàn)的，通過(guò)線性核函數(shù)將原來(lái)??的空間映射到一個(gè)高維空間的映射過(guò)程如下：??原線性不可分空間的分類函數(shù)如式（２－３９）所示：??ｎ??ｆ（ｘ）?＝?ｓｇｎ（（ｗ＊）ｒｘ?＋?ｂ＊）?＝?ｓｇｎ（?＾?ａ＊ｙｊＸ＊ｘ?＋?ｂ＊）．?（２－３９）??；＝ｉ??映射為式（２－４０）??１１??／（ｘ）?＝?ｓｇｎ［（ｗ＊）ｒ０（ｘ）?＋?Ｚ？＊］?＝?ｓｇｎ（＾?ａ＊ｙｉＫ｛Ｘｉ，ｘ）?＋?ｂ＊）．?（２－４０）??ｉ＝＼??其中尤Ｕ＿，Ｘ）為核函數(shù)，ＳＶＭ分類器在樣本數(shù)據(jù)線性不可分的情況下，通常使用核函數(shù)進(jìn)??行投影，將樣本數(shù)據(jù)線性不可分問(wèn)題變?yōu)橥队昂蟾呔S空

?（ｂ）??圖３－１測(cè)試信號(hào)ｂｕｍｐｓ信號(hào)、ｈｅａｖｉｓｉｎｅ信號(hào)．??其中圖３－１（ａ）是ｂｕｍｐｓ信號(hào)，ｂｕｍｐｓ信號(hào)下方是在原始信號(hào)中人為混入信噪比為３．０的高??斯白噪聲，圖３－ｌ（ｂ）是ｈｅａｖｉｓｉｎｅ信號(hào)ｈｅａｖｉｓｉｎｅ信號(hào)下方是在原始信號(hào)中人為加入了信噪??比為６．０的高斯白噪聲．??針對(duì)ｂｕｍｐｓ這一測(cè)試信號(hào)，本文所提出的去噪方法ＷＴＶ與非抽樣小波變換的軟閾值??去噪．非抽樣小波變換的硬閾值去噪以及ＴＶ去噪１１２１進(jìn)行實(shí)驗(yàn)對(duì)比，去噪前后的對(duì)比信號(hào)如??圖３－２所示．??ｎｏｃｓｃ?ＳＭｊｒｔａｌ?ｂｕｍｐｓ?ｄｅａｎ?ｂｕｍｐｓ?ｘ??１〇??????１０?????－５???－５???０?１００？００?３００?４００５（？６００?／００?８００９００?１０００?０?２００?４００?６００?８００?１０００?１２００??硬閻值處理（ＲＭＳＥ＝０?１７８５）?ＴＶ?去嶁（ＲＭＳＥ＾Ｏ?２２２４?）??１０??１０???５．?！少’，?．?５＇??＿５??；?????．?????＿５?????????０?１００?２００?３００?４００?５００?ＧＯＤ?７００?８００?９００?１０００?０?２００?４００?６００?８００?１０００?１２００??軟閾值處理（ＲＭＳＥ＝０?１５６９）?ＷＴＶ?去唼（ＲＭＳＥ＝０?０４３７??１０???????１０????５＇?Ｉ

【參考文獻(xiàn)】：
期刊論文
[1]小波閾值去噪法的深入研究[J]. 陳曉曦,王延杰,劉戀.  激光與紅外. 2012(01)
[2]一種基于ITD算法的直擴(kuò)信號(hào)檢測(cè)算法[J]. 安金坤,田斌,孫永軍,易克初,于全.  電子與信息學(xué)報(bào). 2010(05)
[3]基于AR模型的小波變換在腦電信號(hào)消噪中的應(yīng)用[J]. 吳平,陳心浩.  現(xiàn)代電子技術(shù). 2006(10)
[4]基于小波變換的腦電信號(hào)噪聲消除方法[J]. 吳小培,馮煥清,周荷琴,王濤.  電路與系統(tǒng)學(xué)報(bào). 2000(03)

博士論文
[1]癲癇腦電的分類識(shí)別及自動(dòng)檢測(cè)方法研究[D]. 袁琦.山東大學(xué) 2014

碩士論文
[1]離散型次序統(tǒng)計(jì)量的相關(guān)性[D]. 耿愛(ài)香.大連理工大學(xué) 2009



本文編號(hào)：3591875