Statistical analysis of Epileptic activities based on Histogram and Wavelet-Spectral entropy

Epilepsy is a chronic neurological disorder which is identified by successive unexpected seizures. Electroencephalogram (EEG) is the electrical signal of brain which contains valuable information about its normal or epileptic activity. In this work EEG and its frequency sub-bands have been analysed to detect epileptic seizures. A discrete wavelet transform (DWT) has been applied to decompose the EEG into its sub-bands. Applying histogram and Spectral entropy approaches to the EEG sub-bands, normal and abnormal states of brain can be distinguished with more than 99% probability.

太赫兹频段下基于EMD的人体生命特征检测

非接触式的心跳呼吸信号检测对重症患者心跳呼吸的远程监控、自然灾害中受害者的搜寻等都有重要的应用。本文针对人体心跳呼吸信号相对于复杂环境属于微弱信号的情况,提出了一种太赫兹频段下基于经验模态分解(EMD)的人体生命特征检测方法。首先建立太赫兹雷达人体目标回波模型,对回波信号进行经验模态分解。然后进行时频分析,得到心跳呼吸微多普勒信息,提取其频谱质心曲线。再做第二次时频分析,实现心跳呼吸频率的提取与分离。在高斯杂波环境中进行了仿真实验,检测结果表明,基于EMD的检测方法与直接检测方法相比,取得了更好的检测效果,具有较强抗噪能力,适合于微弱信号处理。

基于子带频谱质心特征的高效音频指纹检索

关键音频检测是指从音频库中检索出查询样例,是音频检索的一种重要形式。该文针对传统关键音频检测方法在效率和鲁棒性上的不足分别在预处理、指纹提取以及检索部分进行了优化。在预处理阶段采用基于子带能量比的语音端点检测算法,并在窗函数选择和子带划分方法上进行了改善;在指纹提取阶段采用种子片段选取的方法,并将指纹提取方法改进为子带频谱质心法;在检索阶段通过设定命中次数门限以提高效率。实验结果表明:该文提出的改进系统在查全率、查准率以及抗噪能力提升的同时提高了检索效率,有效地提升了检索性能。