简介：摘要：研究一种基于单通道脑电（EEG）信号特征提取的睡眠自动分期方法。本文利用IIR陷波器和小波变换对脑电信号进行滤波降噪，对降噪后的信号提取脑电的时域、频域、双谱等特征作睡眠样本的特征向量，使用卷积神经网络（CNN）与门控循环单元网络（GRU）结合的睡眠分期模型。通过对10个健康受试者整夜睡眠数据的分期实验发现，系统可对个体的个体睡眠质量进行整夜的检测，准确度可达85%以上，具有较高的实用价值，有助于改善睡眠障碍的诊断和治疗效果。

简介：目的研究用小波变换去除心电图信号中呼吸信号的方法.方法采用db4小波对采样频率为200Hz的心电图信号作离散小波变换的多层分解,并与呼吸信号的频率成分比较,发现呼吸信号分布在心电图信号分解后第8、9、10层细节中,去除这些成分和高频干扰,对剩下的分量重构.结果比较成功地纠正了心电信号的基线,去除了低频呼吸信号的干扰.结论小波变换的方法能够去除心电信号中的呼吸信号干扰.

简介：探索心电信号的有效标定方法.利用小波变换良好的时频聚焦性和多孔算法的时不变性,并结合时域的标定参考信息,实现对ECG的准确标定.结果表明在Matlab6.5仿真环境下,对MIT/BIH心电数据库中的数据进行测试,准确率可达99.5%,并且满足CSEworkingParty提出的心电检测误差标准.在波形失真较小情况下,用该法可实现对ECG的自动标定.

简介：针对混沌在心脏系统中的研究，利用Lyapunov特性指数来进行心电信号的数据分析．由混沌检测系统的Lyapunov特性指数的计算方法，通过重构相空间，对健康人和5种类型心脏病人的数据作为样本进行对比分析．仿真结果表明，采用最大Lyapunov特性指数可以判断健康心脏和病态心脏的混沌性差异，为早期心脏疾病的辅助诊断提供了依据．

简介：摘要：在注重个人信息安全的当今社会，基于生物特征的身份识别方法在各行各业发挥着重要作用。不同于传统生物识别技术使用的生物特征存在各种各样的缺陷.脑电信号具有不可窃取、不可胁迫以及活体检测等优势，因此脑电信号身份识别领域受到越来越多的科研工作者重视。以往的脑电信号身份识别研究大多基于时域、频域或空间域的单一特征进行，并未考虑同时学习脑电信号的时域信息、频域信息和空间域信息，因此只基于脑电信号中有限的身份本征信息进行识别。针对脑电信号具有时域、频域和空间域的特性，开展了基于深度学习的脑电信号身份识别研究。

简介：摘要：现今我国社会科技水平迅速发展，人们的生活水平和生活质量逐渐提升，广电信号的传输系统运行质量以及信号传输的效率受到人们的关注，对我国社会的发展也会有直接的影响。在广电信号传输系统应用的过程中，要由专业的技术人员对其系统进行维护，也要由专业的管理人员对其工作开展管理，进而保障广电信号传输系统运行的稳定性。笔者主要对广电信号传输系统的运行现状进行分析，并对其维护和管理工作存在的问题进行探索，针对其问题制定有效的应对维护管理方案。

简介：摘要：抑郁等精神状态的变化会引起大脑神经活动的改变。脑电信号是大脑神经活动的最直接体现，本论文实际并实现了基于脑电信号的抑郁症识别系统，输入包含指定通道的脑电信号文件，系统就能够完成对脑电信号的特征计算和分析，识别是否是抑郁症患者。基于脑电信号的抑郁症识别系统给抑郁症的诊断提供了一个较为客观的辅助和参考，在抑郁障碍辅助诊断方面具有重要的研究价值和潜在的应用价值。

简介：摘要：人体生理信号能有效的反映人体的活动情况，但人体生理信号普遍存在信号幅度小，容易受干扰等问题，因此生物医学信号处理在人体生理参数信息处理中具有广泛的应用。脑电是人脑神经细胞电生理活动在大脑皮层以及头皮的总体反映，与各种生理活动密切相关。本文通过使用生物医学信号的处理方法如自适应阈值滤波、小波变化、低通滤波、高通滤波等方法，可以有效的滤除干扰信号，得到较为纯净的脑电信号。本文选取了一段麻醉深度由深转浅的脑电信号，通过双谱分析发现该段脑电信号集中于10Hz以下的低频段，通过计算各频段在脑电信号中占比情况，发现随着麻醉深度越来越浅，脑电信号中 波段占比呈现下降的趋势， 波呈现逐渐上升的趋势。本文揭示了生物医学信号在脑电信号处理中具有广泛的应用。

简介：不良的教室照明容易使学生疲劳、并降低学习效率。通过实验室模拟教室照明,让学生在不同照度(500lx、1000lx、1500lx、2000lx、2500lx、3000Ix)和色温(4000K、5000K、6500K)组成的LED照明环境下学习3小时,每半小时监测一次脑电信号(EEG),测量δ波、θ波、α波和β波节律,分析频带能量比例R值,判断脑疲劳程度和精神兴奋性的变化。结果表明:随着照度的提高,脑疲劳先减小后增大,2000lx照度组的脑疲劳最低,说明过高的照度更容易引起脑疲劳;精神兴奋性起初变化不明显,超过1500Ix后显著提高。随着色温的提高,脑疲劳逐渐增加,精神兴奋性先增加后减小;光照时间的影响与色温相似,脑疲劳随着时间的增加而加深,且速度加快;精神兴奋性随时间的增加先提高后降低。

简介：摘要随着智能电网建设的深入开展，无源型电子式互感器逐渐成为研究热点。作为全光纤电流互感器系统的主要功能模块，电信号处理单元的设计显得尤为重要。对电信号处理面临的难点问题进行了分析，分别设计了对应的采集及调制电路，实现干涉信号的精确提取和调制信号的及时反馈。经实验验证，该设计有效避免了噪声对系统精度的影响，提高了系统的线性度和灵敏度。

简介：摘要即为通过非电量的变化而模拟参照影响光量和光特性的变化从而换算得出最终电量对比光量信息。在该领域同等能量的放大与缩小的利便性是信息测量的关键。本文基于笔者中广核中科海维科技发展有限公司多年工作经验，全方位展示就微弱光电信号检测与采集技术原理，为同行提供综述性参考。

简介：植物受到外界刺激后,内部会产生电信号并进行传递,引起一系列生理反应.实验测量了玉米在粘虫取食、剪伤以及烧伤刺激下电信号的变化,通过植物微弱电信号放大器、NIUSB6008数据采集卡、NIlabview等软件采集数据,采用OriginPro8.0及Image-Pro-Plus6.0软件进行分析处理,建立了三种刺激下的电信号变化模型图.结果表明,粘虫取食与其它刺激下的电信号变化波形图明显不同,这种特异波形变化模型图可以与农业远程监控系统相关联,为粘虫预警自动化管理提供参考.

简介：引言对心血管疾病的早期诊断和检测一直是医学界的研究的热点问题。1957年Holter动态心电图的发明,给心脏病疾病患者带来了福音。在传统的心电监测设备中,通常使用线缆来传输数据,线缆连接到专用的处理设备进行处理,患者需佩戴全套设备才可以接受监测治疗。这些设备,在一定程度上提高了患者突发心脏病的检出率。但是其体积与复杂度,限制了其在心脏病早期诊断的应用。

简介：摘要：针对目前信息传输需求量大、速率高、信号种类多的现状，本文介绍了一种以FPGA芯片为核心，搭配以太网芯片、光模块和接口芯片的光电信号转换接口板，集成了丰富的外围接口，具有通用性和可移植性，可完成高速千兆以太网信号转光纤信号以及低速串口信号转光纤信号的传输处理。

简介：摘要：基于偏脑电信号的情绪识别方法作为一种前沿的研究领域，受到了广泛的关注。本文旨在系统探讨基于偏脑电信号的情绪识别方法，并介绍了该方法在人机交互、心理健康评估等领域的潜在应用前景。首先，本文从脑电信号的特点和情绪与大脑活动的关系入手，阐述了基于偏脑电信号的情绪识别原理。随后，对情绪诱发实验设计和脑电信号数据采集方法进行了介绍，探讨了如何获取具有情绪特征的脑电信号数据。在此基础上，对基于偏脑电信号的情绪识别算法和模型构建进行了详细阐述，突出讨论了特征提取、模型训练和性能评估等关键技术。最后，在讨论中提出了当前方法存在的问题与挑战，展望了基于偏脑电信号的情绪识别方法在未来研究和应用中的发展方向。

简介：本文主要研究在不同频率声音刺激下的脑电信号特征。通过设计实验方案获取脑电数据，利用小波变换将脑电数据分解为不同频带信号，实现各频带信号的功率谱计算，应用模极大值检测脑电信号中的突变点，提取大脑在不同频率声音刺激下的特征，分析了人脑与声音刺激的关系，实验结果对脑机接口以及盲人导行等研究具有重要价值。

简介：摘要癫痫是一种严重的慢性神经系统疾病，可通过分析由脑神经元产生的脑电信号对其进行检测，因此脑电图成为诊断癫痫的关键工具。应用特异性方法对脑电信号进行处理和分析，在探索大脑工作机制和脑神经系统疾病的诊断方面具有重要意义。本文通过对脑电图信号的特征提取、特征分类等相关分析方法（如主成分分析、独立成分分析、小波变换、线性判别分析、支持向量机、人工神经网络和决策树等）进行总结，阐述了其在癫痫治疗中的应用，概括展示了近年来的研究进展。为癫痫发作的检测和分类以及未来的研究方向提供了一定的借鉴和参考。

简介：局部放电信号是非平稳性信号，具有时变频率。时频分析是分析和处理非平稳时变信号的有力工具，将时频分析技术应用于局部放电信号的分析与处理，能清楚地揭示信号的时变频谱特性，有利于对信号的特征提取，为局部放电信号的模式识别提供了一个更为准确、可靠的新方法。

简介：通过分形维对表面肌电信号进行识别分类.在30个健康志愿者做前臂内旋和外旋时,从他们的右前臂肌前群分别采集2类动作表面肌电信号.当原始动作表面肌电信号用小波包变换分解成几个子信号后,采用一种基于模糊自相似性的方法计算原始信号和4个子信号的分形维.结果表明:从频带0～125Hz的子信号求得的内旋和外旋动作表面肌电信号的分形维有各自的范围;通过该分形维进行Bayes决策时,错误识别率仅2.26%.因此,该分形维适合用来识别内旋和外旋动作表面肌电信号.

简介：当前癫痫自动检测方法,通常采用希尔伯特黄变换结合脑电信号变换规律进行检测,易受到噪声的干扰,检测结果存在一定的误差。据此,深入研究基于子波变换的癫痫脑电信号检测方法,依据子波变换检测癫痫脑电信号的原理,采用子波变换对含噪的脑电信号进行去噪后,考虑到癫痫患者发病时,脑电信号里异常特征波导致信号波动幅度较大,采用TQWT小波分解并重构脑电信号,提取重构后的脑电信号里有效值与峰峰值指标构成特征分量,根据特征分量设定正常与发病两种样本,通过支持向量机(supportvectormachine,SVM)分类器对脑电波信号样本分类,实现患者癫痫脑电信号的准确检测。实验结果表明,所提方法可有效检测癫痫脑电信号,检测灵敏度、特异性和准确率均值分别是98.73%、18.84%、98.87%,适用于癫痫脑电信号检测。