基于平滑非线性能量算子划分的尖峰相关特征癫痫发作自动检测算法

针对癫痫发作自动检测算法多集中于时域、频域等传统特征,无法全面表征癫痫脑电信号的信息等问题,本文结合癫痫脑电图中异常波振幅和频率提高的现象,提出一种基于平滑非线性能量算子划分的尖峰相关特征癫痫发作自动检测算法。该算法使用传统的时域、频域特征,结合尖峰相关性特征对脑电信号进行刻画,使用有监督的机器学习分类器,测试癫痫发作自动检测的有效性和可靠性。本文将提出的方法在开源数据集CHBMIT上进行了评估,获得了96.52%的准确率、95.65%的敏感性和97.09%的特异性。实验结果表明,基于平滑非线性能量算子划分的尖峰相关特征,能够作为癫痫脑电信息的补充,提高癫痫发作检测的性能。

基于非线性能量算子的心电信号R波检测方法

将Marr小波变换和非线性能量算子相结合实现了心电信号的R波检测,心电信号的Marr小波分解信号很好地抑制了各种噪声干扰,结合非线性能量算子运算可突出了QRS波的特征点,使得阈值检测便于实施,利用修正策略提高了R波检测率,经MIT/BIH标准心律失常数据库验证,R波的检测率可达到99.7%,该方法对于心电信号的自动分析系统具有应用价值。

基于小波变换和非线性能量算子的神经元放电检测

微电极导向的立体定向手术中,微电极记录的神经元放电信号噪声干扰严重,信噪比变化大,影响着神经元放电脉冲的分析。利用小波变换和非线性能量算子相结合的一种新的方法能检测出神经元放电。通过对临床不同病人、不同特点的神经元放电信号处理,结果表明:该方法能成功地检测出细胞放电,提取出放电波形。

基于非线性能量算子的表面肌电信号MUAP发放检测

采用基于平滑非线性能量算子(smoothednonlinearenergyoperator,SNEO)的方法对表面肌电(surfaceEMG,SEMG)信号运动单位动作电位(motorunitactionpotential,MUAP)的发放信息进行检测,提出一种能较精确确定MUAP发放数目的阈值检测方法。利用这些方法分别对肌肉轻度收缩和中度收缩时的SEMG信号进行了MUAP发放检测实验,结果表明,对于轻度收缩时的SEMG信号,本文的方法十分有效,而对中度收缩时的SEMG信号也能获得比较满意的检测结果。

基于非线性能量算子和匹配滤波的锋电位检测与分类

对神经电活动的研究,需要对记录的神经锋电位(spike)进行检测和分类。传统的锋电位检测与分类的过程受噪声影响很大,尤其是在锋电位分类的过程中,由于神经信号采集很难达到高的信噪比,因此研究较低信噪比下检测与分类的算法具有重要的意义。本文提供了一种运算简单的神经信号锋电位的检测与分类算法。针对锋电位的检测,本文使用非线性能量算子(NEO)来提高信噪比。在锋电位分类过程中,通过获取不同类别锋电位的模板构建匹配滤波器,对检出的锋电位在不同滤波器下进行滤波,确定锋电位对锋电位模板的相关性,然后使用非线性能量算子来加强相关性,从而确定分类。通过使用自主设计的大鼠神经信号双通道采集系统采集到仿真数据(数据由NSS-128的神经信号模拟器产生),获得了可准确量度的标准数据,通过在这组数据上加不同程度的噪声,测试文章提到的算法。在检测方面,信噪比有约5倍的提升。分类方面相比单纯的匹配滤波,在一定的信噪比范围内,正确率由90%提升到100%。同时采集了部分实际神经数据,并用文中的检测方法进行了测试。

基于非线性能量算子的信号分类检测方法

本文研究了用传统的非线性能量算子的方法来提取典型癫痫发作脑电信号特征和癫痫发作间歇期脑电信号特征,而后将这两类信号送入SVM训练,建立模型,进而利用训练模型区分这两类信号,具有一定的实用意义。

基于非线性能量分析的鲕滩储层预测方法

Teager-Kaiser非线性能量(T-K能量)可以归为振幅类地震属性,但有别于常规的振幅类地震属性,它与振幅的平方、频率的平方成正比。鲕滩储层中流体为油气时地震记录往往呈现"高频衰减"现象,由于T-K能量与频率平方成正比,因此含油气鲕滩储层内部T-K能量弱。鲕滩储层与围岩的物性差别使储层顶和底边界形成"亮点"反射,相应的T-K能量高,T-K属性剖面背景越发"明亮",而内部相对较"暗",利用这些特征可以有效地进行鲕滩储层预测,实际资料的计算结果表明,基于非线性能量分析的鲕滩储层预测方法得到的鲕滩储层分布与实钻完全一致。

一类非线性波的能量衰减

考虑由初边值混合问题描述的一类非线性波动系统，并给出几个有意义的结果．此系统被描述为适当的Ｈｉｌｂｅｒｔ空间中的发展方程，运用泛函分析及算子半群方法讨论了相应发展方程主算子的谱特征及半群性质，最后证明了所考虑的非线性波系统的能量是按指数规律衰减的．

基于非线性参数的腭裂患者高鼻音自动识别

为了实现对腭裂患者高鼻音的自动识别,提出了基于语音信号非线性能量算子及K-最近邻分类器的高鼻音自动识别算法。实验对腭裂语音数据库中非高鼻音及高鼻音信号提取基于香农能量和非线性能量算子的语音特征参数,结合模式识别分类器,实现了对高鼻音语音的自动检测。实验结果表明,应用非线性能量算子,能实时跟踪语音信号瞬时能量变化,实现了对高鼻音较高的判别正确率,其分类器正确识别率在90%以上,且优于传统的香农能量算法,具有较高的临床应用价值。

一类光学中的非线性Schrdinger方程整体解的存在性

文章中,我们使用能量估计和算子半群的方法,证明了源于光学中的一类非线性Schrdinger方程初边值问题在一定条件下整体解的存在性。

基于小波变换和Teager能量算子的癫痫脑电自动分类

提出一种利用小波变换和能量算子对EEG进行预处理提取癫痫特征信号,进行近似熵估计,对脑电信号进行分类的新方法。首先利用小波分析将EEG信号进行4层分解分成多个子频带,对频率接近棘波的第1,2层小波系数计算非线性能量算子,再对能量算子进行近似熵估计,最后用SVM对EEG信号进行分类。结果表明,该方法对癫痫发作期EEG和正常的EEG分类效果比较理想。

风电场次同步振荡非线性模态分解与参数辨识

新能源并网系统运行环境复杂,电力电子设备快速响应与电网产生动态相互作用引发次同步振荡(sub-synchronous oscillation,SSO),其信号表现出非线性非平稳特征,辨识困难。该文提出一种非线性模态分解方法,并与Teager-Kaiser能量算子(Teager-Kaiser energy oper-ator,TKEO)相结合实现SSO信号模态参数辨识。首先通过脊线法对信号的时频分析结果进行特征提取构建谐波分量;采用时移替代数据方式判别谐波真伪,并通过频谱熵特征判别进行去噪处理,完成主导模态的分解过程;然后结合TKEO算法实现主导模态的参数辨识;最后通过自合成信号仿真、风电场模型仿真以及电网实测数据仿真验证了文章方法的可行性,与HHT算法、VMD算法仿真结果相比具有较高的辩识精度。

基于Teager算子的短时HRV样本熵算法

在心率变异性(HRV)数据的短时非线性分析中,单纯的样本熵算法不能有效提取健康人和充血性心衰(CHF)患者的信号特征差异。为此,提出一种基于Teager能量算子的样本熵分析算法。采用Teager算子的预处理捕获心脏动力学活动中的异常节律变化,以强化样本熵分析效果。对MIT BIH数据库中样本的实验结果表明,该算法可反映健康人与CHF患者的短时HRV信号非线性复杂性的差异,为计算机分析诊断心衰等疾病提供新的辅助依据。

面向智能机器人的Teager语音情感交互系统设计与实现

自从Maragos首先提出了Teager能量算子(TEO)后,该算子得到了一系列应用。Teager能量算子的非线性特性,使之能在抑制背景噪声的同时进行信号特征的有效提取。它还保留了倒谱分析方法中的准稳态假设,因而更能有效地表征语音信号的复杂性。探索了基于Teager能量算子的非线性特征对于区分情感语音的有效性,并且进一步将其和普通的声学参数和音质参数相结合,以应用于语音情感的识别中。以HMM和GMM为分类器,选取7种情感设计了4组对比实验,达到最高85%的识别正确率。实验结果表明,将传统的语音情感特征和Teager能量算子的非线性特征相结合,能显著地提高语音情感识别系统的性能。在此基础上,提出了智能情感机器人进行情感交互的框架,设计实现了智能服务机器人的情感交互系统,经过实时情感交互实验验证,该智能服务机器人可以很好地与交互对象进行简单的情感交流。

一种基于EEG特征提取的癫痫棘波综合检测判决方法

癫痫特征的自动检测在临床应用上具有重要的意义。本研究综合小波变换、非线性能量算子、特征提取和神经网络等技术,提出了一种癫痫棘波检测系统,充分发挥各技术的优点,在对真实脑电数据的处理中,表现出良好的性能。

一种基于经验模态分解的癫痫棘波检测方法

脑电癫痫特征波的自动提取对于患者的诊断以及减轻医生的繁重劳动都具有重要的意义。我们提出一种基于经验模态分解(EMD)的癫痫特征波检测方法,该方法首先经过EMD分解得到若干个固有模态函数(IMF),然后对其中的第一个IMF应用非线性能量算子(NEO)进行特征波提取,从而达到自动检测的效果。在对数值模拟的和真实的癫痫脑电信号(EEG)的仿真实验中,该方法都取得了较好的结果。

利用EMG运动单位动作电位数目估算法研究痉挛型脑瘫患儿神经元发放特性

目的小儿脑瘫患者的运动障碍分级和康复评估具有重要的临床价值。本文利用表面肌电信号对痉挛型脑瘫患儿的运动神经元发放特性进行研究,旨在为脑瘫患儿的运动障碍评估提供一种量化指标。方法采用平滑非线性能量算子(smoothed nonlinear energy operator,SNEO)算法,对痉挛型脑瘫患儿表面肌电信号中的运动单位动作电位(motor unit action potential,MUAP)数目进行估计,获得MUAP的平均发放间隔(inter-pulse interval,IPI),并根据医生采用的分级结果和健康人MUAP平均发放时限的早期研究结果进行对比验证。结果对14名不同运动障碍级别脑瘫患者的实验结果显示,其肌电信号MUAP的IPI与他们活动度的级别即运动障碍的程度呈正相关的关系,且具有明显差异。结论研究结果表明本文方法有效,采用IPI参数能够反映脑瘫患儿的运动障碍程度。

低信噪比神经元锋电位检测的新方法

细胞外神经元锋电位记录中经常包含许多小幅值信号,为了正确检测这些小幅值低信噪比的锋电位,增加单次实验的神经元检出数量,设计一种针对四极电极阵列记录信号的锋电位检测算法.提取4通道信号主成分分析的第一分量,计算该分量的非线性能量算子,从而减小噪声并增强锋电位.检测阈值的设定采用一种两步法,用于减小锋电位发放密度变化以及大幅值锋电位对于阈值的影响.仿真数据和实验记录数据的验证结果表明,这种主成分与非线性能量算子相结合的阈值检测法适用于四极电极等测量点高密度分布的微电极阵列记录信号,能够显著提高小幅值低信噪比锋电位信号的正确检出率,特别是能够有效地检出重叠锋电位,为后续的神经信息解码和神经网络分析提供更充分的数据.

带有临界型非线性项的强阻尼波动方程的整体吸引子

本文研究一类带有临界型非线性项的强阻尼波动方程.当指数1/2<θ<1时,利用能量泛函的性质,我们证明了由方程导出的C_0半群T(t)的紧性和耗散性,以及整体吸引子的存在性.当θ=1时,利用磨光与逼近,我们研究了磨光半群T_v(t)随t→∞时的一致渐近行为,以及它们在任意有界区间上强收敛到T(t)的一致性,并把T(t)的整体吸引子表示为磨光半群T_v(t)整体吸引子的上半极限.

多通道实时神经信号采集与峰电位检测系统

研制了一种可应用于在体神经检测的新型多通道实时神经信号采集与峰电位检测系统。该系统主要包括自主研发的植入式硅基微电极、集成多通道神经信号放大电路以及模数转换器(ADC)和数字信号处理器(DSP)等部分商用器件。该系统采用局部非线性能量算子(NEO)对采集到的32通道神经信号进行同步峰电位检测,并在终端屏幕上显示检测结果。局部NEO峰电位检测算法硬件实现简单,能够完全自主地对神经信号峰电位进行实时检测。在生理盐水模拟的在体实验环境中的测试表明,整个系统的信噪比(SNR)为27.4dB,在此信噪比的条件下,局部NEO峰电位检测算法的检测精度可达95%。