小波变换和小波熵在睡眠脑电信号变化特性研究中的应用价值

目的:利用小波熵对各期睡眠脑电复杂度进行动态时变特性及统计特性的分析比较。方法:实验于2005-08/2005-09在江苏大学电气信息工程学院生物工程系实验室完成。睡眠脑电数据取自MIT-BIH数据库,8名被试者每人取一导整夜脑电信号,无睡眠方面疾病。采用其睡眠数据进行复杂度分析实验研究,小波包去噪信号进行多尺度分解后,利用小波熵求其各睡眠期和4个有用频率带δ、θ、α、β的小波熵值。结果:6种不同状态下脑电的小波熵之间有着明显的区别,其中清醒期小波熵均值最大;在非快速眼动睡眠期的4个分期里S1期小波熵均值最大、S4期小波熵均值最小,随着睡眠的深入呈现出逐渐减少的趋势;快速眼动睡眠期小波熵均值介于清醒期和非快速眼动睡眠期之间。在脑电波4个基本节律带(δ、θ、α、β)下,共同的特点是在β节律下小波熵均值最小,在θ节律下小波熵均值最大;分别在δ、α、β频率带下清醒期小波熵最大,在S1、S2、S3、S4期随着睡眠的深入有逐渐减少的趋势,快速眼动睡眠期介于清醒期和非快速眼动睡眠期之间;在S1、S2、S3、S4期小波熵均值在4个节律带的波动幅度要明显大于清醒期和快速眼动睡眠期。在睡眠各期及各频率带下小波熵方差值变化趋势与均值类似并更明显。结论:小波熵作为一种复杂性测度方法在睡眠各期脑电的应用结果中显示随着睡眠的深入,小波熵逐渐减少,这与理论上是符合的,所以小波熵可以作为不同生理状态下脑电的变化特性的检测指标,既能区分长时间段脑电复杂度之间的差异,又能反应微状态下的变化特性。

振动信号采集系统中高速缓存的实现

本文主要讨论了以单片机为核心的振动信号采集系统的设计。介绍了几种实现高速缓存的方法,以及利用Intel8237制作一个DMA控制器,详细介绍了DMA传输的原理和条件,解决了DMA控制器和外部接口电路的设计问题,并且给出了DMA控制器的初始化程序。

美国的新冠肺炎患者治愈医案

应用吴雄志教授起草的防控指南,治疗新冠肺炎,在疾病初期,患者湿重于热的时候选用柴苓汤加减,之后患者热重于湿时,应用新冠二号方银柴消毒丹加减治疗,待患者进入恢复期,因湿热耗气伤阴,应用清燥救肺汤,防止肺纤维化。