预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共62页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

本科毕业设计(论文) 基于小波变换的脑电信号去噪方法 燕山大学毕业设计(论文)任务书 学院:系级教学单位: 学 号学生 姓名专业 班级题 目题目名称题目性质1.理工类:工程设计();工程技术实验研究型(); 理论研究型();计算机软件型();综合型() 2.管理类();3.外语类();4.艺术类()题目类型1.毕业设计()2.论文()题目来源科研课题()生产实际()自选题目()主 要 内 容 基 本 要 求 参 考 资 料 周次第~周第~周第~周第~周第~周应 完 成 的 内 容指导教师: 职称:年月日系级教学单位审批: 年月日:表题黑体小三号字,内容五号字,行距18磅。(此行文字阅后删除)摘要 PAGEI 摘要 脑电信号(EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映,其中包含了大量的生理和病理信息,并可以用许多特征量来描述其特征信号。通过脑电分析来认识脑的活动是一种有效的无创手段。人体脑电信号非常微弱,为了提高脑电信号的性能和检测效率,必须对脑电信号进行去噪处理。 小波理论的形成是数学家、物理学家和工程师们多学科共同努力的结果,现在小波分析正运用在众多自然科学领域,已经成为当前最强有力的分析工具之一,而且还在继续蓬勃向前发展着。研究小波的新理论、新方法以及新应用具有重要的理论意义和实用价值。在噪声中如何准确地检测到信号一直是信号处理领域所关心的内容,小波变换由于具有良好的时频局部化特性,能够对各种时变信号进行有效的分解,从而较好地将信号与噪声加以分离,获得满意的去噪效果。本文对小波分析在脑电信号去噪中的应用进行了较为深入研究和讨论。 本文首先介绍了小波基本理论和基于传统小波分析的信号去噪原理以及几种常用的方法。在几种方法中,因小波闭值去噪法,原理简单易行,效果较好且是本文研究的其他几种小波分析方法去噪处理的基础,所以本文在基于MATLAB实验平台上选取实验效果较好的小波函数,在不同阐值和阐值函数的情况下对这种方法做了较为详细地脑电信号去噪比较研究。 小波变换是一种信号的时间一尺度分析方法,具有多分辨率分析的特点,对信号具有自适应性。本文提出了一种基于正交小波变换的脑电信号去噪方法。试验表明,该方法具有很好的有效性。 关键词:脑电信号;小波变换;去噪 燕山大学本科生毕业设计(论文) 燕山大学本科生毕业设计(论文) PAGEIV PAGEIII Abstract TheElectroencephalograph(EEG)isthetotalreflenctionofbrainnervecells,throughtheelectricsignalrecordelectrodefromscalp.Itcontainsagreatdealofphysiologyandpathologicinformation,andwecanusemanycharacteristicsquantitytodescribeitsspecificity.EEGanalysisisaneffectivenoninvasiveapproachforustounderstandthemechanismofbrainactivity.TheEEGsignalisoneofmini-voltage.InordertoimprovetheperformanceofEEGandincreasethemeasureefficiency,wemusteliminatethenoiseinEEG. Thetheoryofthewaveletoriginateswithmathematicians,physicistsandengineerstogether,andnow,thewaveletanalysisisverypopularinmanyfieldsofscienceasoneofthemostefficienttooltoanalysisordealtheproblem,furthermore,itwillstillprogressforwardinthefuture.Tostudythenewtheory,methodsandapplicationsofwaveletsisofgreattheoreticalsignificanceandpracticalvalue.Estimatingtheoriginalsignalsfromnoisehasalwaysbeenanimportantpartinthefieldofsignalprocessing.Becauseofit'sfinetime-frequencylocalizationcharacteristic,wavel