小波变换用于MLAEP信号的分析

在现代临床麻醉学上 ,脑电信号分析成为麻醉深度监测的主要手段。其中 ,对于中潜伏期听觉诱发电位 (ML AEP)信号的研究越来越受到重视。本文利用 Daubechies正交紧支撑小波基对不同麻醉深度下的 ML AEP信号进行小波变换 ,然后用顺序前进法对小波系数进行特征选择 ,最后利用神经网络来完成分类。仿真实验表明 ,这种小波变换与特征选择相结合的方法 ,对于 ML AEP信号的分析有着较好的效果。

基于小波变换的麻醉监测脑电信号的分析与处理

针对中潜伏期听觉诱发脑电的特点 ,提出了利用小波变换的多分辨分析技术滤除被测信号的强噪声成分 ,重构真实信号来实现对中潜伏期听觉诱发脑电的提取方法 ;通过实验仿真表明 :小波变换提取技术比其他传统提取方法更有效 ,可以减少试验次数 ,可以提供更为可靠的特征提取和模式识别的分析数据 。

小波变换模极大值在诱发脑电提取中的应用

针对中潜伏期听觉诱发脑电的特点,利用信号和噪声的小波变换模极大值在分解尺度上的不同特性来滤除中潜伏期听觉诱发脑电信号中的EEG强噪声成份,重构出真实的中潜伏期听觉诱发脑电信号。通过仿真实验表明:采用小波变换模极大值技术,可以有效地提取信号,为信号特征选取提供可靠的特征分析数据。

一种基于神经网络的诱发电位提取方法

文章提出一种改进的利用径向基函数神经网络算法,对诱发电位进行自适应提取的较传统的方法,并在性能上有较大的提高。