基于小波变换的诱发信号提取算法的仿真设计

《基于小波变换的诱发信号提取算法的仿真设计》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、摘要摘要大脑电生理信号是反映大脑活动状态的重要信号，主要包括自发脑电信号（EEG）和诱发脑电信号（EP）。如何有效地处理和分析脑电信号，对于脑科学研究和脑部疾病的临床诊断都具有重要的意义。小波变换是信号分析和特征提取是重要工具，它在时域和频域同时具有良好的局部化性质。本文基于诱发信号的提取为研究方向，着重致力于小波变换的原理及小波分解与重构法对诱发信号的提取。首先，介绍了小波变换原理与脑诱发电位的相关知识。然后，基于传统的叠加平均法与小波分解与重构法对诱发电位进行特征提取。通过分析比较发现，传统的叠加平均法

2、往往会造成瞬态信息丢失，降低准确率。而小波分解与重构方法可以很好的保存信号的尖峰与突变信息，提高了信号的信噪比，可以很好的提取诱发电位信号，充分凸显了小波变换技术在信号处理与分析中的优越性。关键词：脑诱发电位，叠加平均法，小波变换-33-AbstractAbstractTheBrainelectrophysiologicalsignalsisanimportantsignaltoreflectthestateofbrainactivity,includingspontaneouselectroencepha

3、logram(EEG)andtheevokedbrainelectricalsignal(EP).HowtoeffectivelydealwithandanalysisofEEGsignals,tothebrainscienceresearchandclinicaldiagnosisofbraindiseasehasimportantsignificance.Thewavelettransformforfeatureextractionisanimportanttoolinthetimedomainandf

4、requencydomainwhichalsohasgoodlocalproperties.Inthispaper,basedontheevokedsignalsareextractedastheresearchdirectionfocusontheprincipleofwavelettransformandwaveletdecompositionandreconstructionmethodonevokedsignalextraction.Firstly,itintroducestheprincipleo

5、fwavelettransformandcerebralevokedpotentialsrelatedknowledge.Secondly,weextractthefeaturebasedonthesuperpositionofaveragewaveletdecompositionandreconstructionmethod.Foundbyanalyzingthetraditionaloverlayaveragemethodtendstocausethetransientlossofinformation

6、,reducetheaccuracy.Signalthepeakofthewaveletdecompositionandreconstructionmethodcanbewellpreservedandmutationinformation,improvedsignaltonoiseratio,canbeverygoodextractionevokedpotentialsignal,fullyhighlightthewavelettransformtechnologyinsignalprocessingan

7、danalyzingthesuperiority.Keywords:braincausepotential,superimposingaveragemethod,wavelettransformation,-33-目录目录摘要ⅠABSTRACTⅡ目录Ⅲ第一章绪论11.1目的与意义11.2研究现状11.3本文所做的工作4第二章小波变换理论62.1从傅里叶级数到小波变换62.2小波变换技术82.2.1连续的小波变换102.2.2离散的小波变换122.2.3多分辨率的分析142.3常用小波函数16第三章视觉诱发电

8、位提取233.1视觉诱发电位233.2传统平均处理法263.3小波分解与重构提取诱发信号27结论32参考文献33致谢34-33-第一章绪论第一章绪论1.1目的与意义特定的刺激下，在大脑的相应的部位形成电位的信号称为诱发电位，是脑科学研究和临床诊断的重要特征。通过分析诱发电位信号，可以对视觉、听觉等障碍做出的准确的判断。但诱发的电位一般是比较微弱，常被埋没在幅值相对较高且无法识别的自发电位中。因此，对于提取诱发电位