欢迎来到天天文库
浏览记录
ID:37177384
大小:356.51 KB
页数:5页
时间:2019-05-21
《hilberthuang变换的鼾音信号谱分析》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、张引红,李全禄ZHANGYinhong,LIQuanlu陕西师范大学物理学与信息技术学院,西安710062CollegeofPhysicsandInformationTechnology,ShaanxiNormalUniversity,Xi’an710062,ChinaZHANGYinhong,LIQuanlu.SnoringsignalspectrumanalysisbasedonHilbert-Huangtransform.ComputerEngineer-ingandApplications,2011,47(8):11-13.Abstract:BasedonHilbert-Huan
2、gTransform(HHT),thesnoresignalisanalyzed.AserialofIntrinsicModeFunctions(IMF)areobtainedbyEmpiricalModeDecomposition(EMD).ThefrequencyofeachIMFisanalyzedandmeaningofthebiologyisdescribed.TheHilbertspectrumandthemarginalspectrumofsnoresignalareestablishedbyHHT.TheresultsshowthatHilbertspectrumhash
3、ighertime-frequencyresolutionthanthetime-frequencydistributionestablishedbywavelettransformandtheinteractionofthetimeresolutionandthefrequencyresolutionissolved,besidesthemarginalspectrumhasmorepre-cisephysicalmeaningthanFourierspectrum.So,HHTprovidesreliablebasisforthefeatureextractionandpattern
4、recogni-tionofsnoresignals.Keywords:Hilbert-huangtransform;snore;time-frequencydistribution;signalanalysis摘要:在分析Hilbert-Huang变换算法的基础上,利用此变换对打鼾者的鼾音信号进行了分析。通过经验模态分解把鼾音信号分解为一系列固有模态函数,并分析了各固有模态的频率特征,对各模态的生物学意义进行了描述。对固有模态函数进行了Hil-bert变换,建立了鼾音信号的Hilbert谱和边际谱。结果表明Hilbert比小波变换所建立的时频分布具有更好的时频分辨率,解决了时间分辨率和
5、频率分辨率互相影响的问题;从实际看边际谱比傅里叶谱有更准确的物理意义。Hilbert谱和边际谱为脉搏信号的特征提取和模式识别提供了可靠的依据。关键词:希尔伯特-黄(Hilbert-Huang)变换;鼾音;时频分布;信号分析DOI:10.3778/j.issn.1002-8331.2011.08.004文章编号:1002-8331(2011)08-0011-03文献标识码:A中图分类号:TP3911引言阻塞性睡眠呼吸暂停综合症(ObstructiveSleepApnea-HypopneaSyndrome,OSAHS)是人们在睡眠呼吸障碍领域的一种常见病,以上气道反复阻塞或狭窄为主要特点,其
6、阻塞部位多见于人的口咽部,此类患者多表现为睡眠时打鼾,有时鼾声与呼吸暂停交替出现,由于缺氧,反复憋醒而中断睡眠,严重影响患者的生活和工作效率[1]。传统信号处理研究方法从傅里叶分析到小波变换,从Wigner-Ville分布到自适应时频分析[2],都是在鼾音信号为平稳或分段平稳的假设下研究的,需要用虚假的高频成分来补偿信号的非平稳性,从而引起能量的扩散,以致给出信号错误的解释;另外这些方法受到不确定原理的限制,不能在时间域与频率域同时给出信号较高的分辨率。虽然小波分析方法因其具有多分辨率分析的特点,在时、频两域都具有表征信号局部特征的能力,但是对信号作小波变换时小波基的选择问题以及非自适应
7、性也使其具有一定的局限性。本文提出HHT(Hilbert-HuangTransform)的鼾音信号谱分析新方法,HHT是NordenE.Huang等提出的一种用于非线性和非平稳时间序列分析的方法。针对非线性非平稳信号的分析,通过经验模式分解EMD(EmpiricalModeDecomposi-tion)把信号分解为一系列内蕴模式函数IMF(IntrinsicModeFunctions),IMF的特点是具有合理的瞬时频率定义;然后对所
此文档下载收益归作者所有