基于小波变换的信号去噪预处理的仿真设计

《基于小波变换的信号去噪预处理的仿真设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要各种脑疾患和系统疾患问题的增多和严重化，使脑科学成为21世纪挑战性的研究。大脑电生理信号是反映大脑活动状态的重要信号，有效地分析脑电信号，对于脑科学研究和脑部疾病的临床诊断具有重要意义。但是脑电信号非常微弱，一般均埋没在强烈的背景噪声之下，因此，如何有效去除噪声成了脑电信号分析的前提与重要环节。小波变换是信号分析和特征提取的重要工具，它在时域和频域同时具有良好的局部化性质。本文主要完成以下工作：（1）利用传统的叠加平均法对信号进行去噪处理，（2）利用小波分解与重构法对信号进行去噪处理，（3）将以上去噪方法的MATLAB仿真验证结果进行分析比较。结果表明：本文提出的小波变换方法在脑电信号

2、消噪中具有良好的效果。关键词：脑电信号，去噪，叠加平均，小波变换IIIAbstractAbstractThevariouskindsofbrainillnessandillnessofneuralsystemandsocialagingmakebrainsciencebecomethemostchallengingresearchinthe21stcentury.Thebrainelectrophysiologicalsignalscontainalotofimportantinformationaboutthephysiologicalstatesandfunctionalactivitie

3、sofbrain.ItissignificantforbrainscienceresearchandbrainillnessdiagnosistoanalyzeEEGeffectively.ButEEGisveryfaintandisalwaysburiedinthestrongnoise.SoitisthepreconditionandanimportantworktorejectthenoisefromEEGeffectivelyforEEGsignalanalysis.Thewavelettransform,whichproducesagoodlocalrepresentationoft

4、hesignalinbothtimeandfrequencydomain,providesanimportanttoolinsignalanalysisandfeatureextraction.Themainresearchworkofthispaperbasedonwavelettransformcouldbesummarizedasthefollowingaspects:(1)theuseoftraditionaloverlayaveragesignaldenoising,(2)theuseofwaveletdecompositionandreconstructionofthesignal

5、denoising,(3)aboveDenoisingMATLABsimulationresultswereanalyzedandcompared.Theresultsshowedthat:theproposedwavelettransformmethodhasgoodeffectintheEEGsignaldenoising.Keywords:EEG,noiserejection,averagemethod,wavelettransformIII目录目录摘要IABSTRACTII目录III第一章绪论-1-1.1研究的目的与意义-1-1.2研究现状-1-1.3研究的内容-6-第二章小波变换理论

6、-7-2.1从傅里叶级数到小波变换-7-2.2小波变换技术-9-2.2.1连续小波变换-10-2.2.2离散小波变换-13-2.2.3多分辨率分析-15-2.3常用小波函数-17-第三章小波变换去噪处理-22-3.1EEG-22-3.2小波滤波原理-23-3.3基于小波变换的信号去噪-24-结论-27-参考文献-29-致谢..30III第一章绪论第一章绪论1.1研究的目的与意义大脑电生理信号是反映大脑活动状态的重要信号，有效地分析脑电信号，对于脑科学研究和脑部疾病的临床诊断具有非常重要的意义[1]。但是脑电信号是非常微弱的，它不仅节律会随着精神状态的变化而变化，而且一般均埋没在强烈的背景噪声下

7、，所以，在对脑电信号进行分析与处理之前必须对其进行相应的去噪处理，这也是目前比较热门但又具有相当难度的研究课题。脑电信号中最常用的处理算法是叠加平均法,神经网络理论法,小波变换及独立分量分析法。其中小波变换和独立分量主要被用于对信号的滤波以及特征提取中；对所提取的特征进行分类通常要运用到神经网络技术[2]；而对信号的分析则主要应用混沌理论。对于在干扰滤波方面的应用技术现在则是独立分量分析。其在脑电