软阈值3eeg对mit的影响及消除-天津大学研究生e-learning平台.pptVIP

想办法去除干扰 * 使用小波去噪对信号处理，处理之后与没有EEG信号干扰时的纯净信号作比较。Db9 * 使用小波去噪对信号处理，处理之后与没有EEG信号干扰时的纯净信号作比较。Db9 * * * 天津市过程检测与控制重点实验室 天津大学电气与自动化工程学院 * 天津大学 电气与自动化工程学院 天津市过程检测与控制重点实验室 中国·天津 300072 E-mail: fdong@tju.edu.cn 使用小波去噪消除EEG对MIT的影响 肖志利 张潍 王洪泉 目 录 前言 小波变换及去噪 EEG对MIT的影响及消除 结论 1. 前言 （1）电磁层析成像 电磁层析成像（Magnetic Induction Tomography，简称MIT）是基于电磁感应原理和涡流检测原理的电学层析成像技术。 （2）电磁层析成像的优势 非接触性 利于连续监护 中心敏感性 MIT检测系统结构 1. 前言 （3）脑电信号对电磁层析成像的影响分析 MIT检测原理 2.小波变换及去噪 （1）小波变换： 傅里叶变换： 小波变换： 高频处时间细分，低频处频率细分 “小” “波” DbN是紧支撑标准正交小波。 有效支撑长度17，消失距阶数为9 2.小波变换及去噪 （2）小波运算步骤： 选择小波函数 小波与信号对齐 求小波系数C 小波沿时间平移 小波沿尺度伸缩 小波系数 C越大，就意味此刻信号与所选择的小波函数波形越相近 2.小波变换及去噪 （3）小波阈值去噪： 硬阈值： 软阈值： 去除脑电信号带来的噪声 不连续，产生震荡 不震荡，存在恒定偏差 3. EEG对MIT的影响及消除 （1）脑电信号： 20s 频率在几十赫兹 （2）脑电产生的检测信号： 3. EEG对MIT的影响及消除 MIT的激励信号为1KHz 仿真采集频率20kHz （3）EEG对MIT检测信号的影响： 3. EEG对MIT的影响及消除 有EEG扰动时MIT检测信号 无EEG扰动时MIT检测信号 正弦变化的激励应该产生正弦变化的检测信号，但由于EEG的存在，对MIT的检测信号产生干扰 （3）EEG对MIT检测信号的影响： 3. EEG对MIT的影响及消除 有EEG扰动时MIT检测信号的小波近似信号 无EEG扰动时MIT检测信号的小波近似信号 小波函数是Db9小波，8层小波分解 （3）EEG对MIT检测信号的影响： 3. EEG对MIT的影响及消除 有EEG扰动时MIT检测信号的小波细节信号 无EEG扰动时MIT检测信号的小波细节信号 （4）小波去噪消除EEG对MIT检测信号的影响： 软阈值 3. EEG对MIT的影响及消除 去噪后error=0.0587 去噪前error=0.0595 （4）小波去噪消除EEG对MIT检测信号的影响： 3. EEG对MIT的影响及消除 去噪后error= 0.0353 低频系数设置为0 去噪前error=0.0595 2 小波的优势体现在处理非周期信号，MIT检测信号属于正弦周期信号 3. EEG对MIT的影响及消除 （5）评价 1 小波去噪针对高频噪声，用在此处低频去噪感觉效果不是很好。 在现有的仿真条件下，经小波分析可知脑电信号会对电磁层析成像产生影响，经小波去噪后该影响可得到改善。 4. 结论 * 在激励线圈中通入的交变电流，激励线圈在物场空间产生出交变的激励主磁场，由于被测物质的导电性和导磁性，在物场中产生新的涡流场，在该涡流影响下，出现新的次级磁场，分布在物场空间边界的检测线圈以感应的方式获得磁场的分布信息。通过对激励电路的控制，改变激励磁场的激励方向，可得到多个投影方向的检测信息，在数据处理电路获取这些信息后，重建出被测空间中导电和导磁物质的分布图像；最后由图像特征参数提取单元获得物场的分布参数，如生物体组织的电导率，多相流测量中的相含率等。 * “小波”就是小的波形。所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。 它通过伸缩因子a和平移因子b的运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节 DbN是紧支撑标准正交小波。消失距阶数为N，小波函数和尺度函数的有效支撑长度为2N-1 * 1 选择小波函数，将小波与要分析的信号起始点对齐； 2 计算在这一刻要分析的信号与小波函数的逼近程度，即小波变换系数C，C越大，就意味着此刻信号与所选择的小波函数波形越相近 3将小波函数沿时间轴向右移动一个单位时间，重复12，求出此时的C，知道覆盖完整个信号长度 4将小波函数尺度伸缩一个单位，然后重复123 5对所有的尺度伸缩重复1234 * 小波阈值去噪中估计小波系数的硬阈值和软阈值方法 j为尺度