基于Hilbert-Huang變換和支持向量機(jī)的生物電信號(hào)的分析研究.pdf

1、對(duì)諸如肌電、腦電等生物電信號(hào)的研究具有重大的意義和實(shí)用價(jià)值。例如，利用表面肌電信號(hào)可以反映肌肉在不同疲勞程度下的變化；基于腦電的腦機(jī)接口系統(tǒng)(EEG-basedBCI)，就是依靠從用戶頭皮上記錄的腦電信號(hào)進(jìn)行控制的。 Hilbert-Huang變換(HHT)是一種分析非線性、非穩(wěn)態(tài)的復(fù)雜信號(hào)的新方法，它能夠?qū)r(shí)間和頻率的信息整合在一起。HHT方法可以產(chǎn)生自適應(yīng)的基，而且，由于它可以獲得信號(hào)的局部和瞬時(shí)頻率，所以很適合對(duì)復(fù)雜的時(shí)間

2、序列信號(hào)進(jìn)行特征提取。在本文中，我們的具體研究?jī)?nèi)容如下： ●基于Hilbert-Huang變換的表面肌電信號(hào)的研究：我們選擇了一組包括十二個(gè)成年男子的肱二頭肌靜態(tài)負(fù)荷數(shù)據(jù)，最大收縮負(fù)荷(MVC)為80％。我們將Hilbert-Huang變換運(yùn)用于肌電信號(hào)，分別從Hilbert三維的譜分析、瞬時(shí)能量、瞬時(shí)頻率、Hilbert邊際譜和邊際能量譜幾個(gè)度量指標(biāo)上得到了清晰而明確的肌肉疲勞狀態(tài)的分析結(jié)果。實(shí)驗(yàn)結(jié)果表明證Hilbert-Hu

3、ang變換作為一種新方法，在生物電信號(hào)分析方面的潛力。 ●基于Hilbert-Huang變換和支持向量機(jī)(SVM)的腦電信號(hào)分析：我們使用HHT算法對(duì)更為復(fù)雜的高維腦電數(shù)據(jù)進(jìn)行了特征提取，在這個(gè)過程中，我們把皮層慢電位(SCP)和高頻β波段相結(jié)合，時(shí)域與頻率信息相結(jié)合，根據(jù)不同通道的實(shí)際物理意義分別提取了具有明顯區(qū)分度的分類特征，組成了一個(gè)四維的特征空間。接下來，我們使用支持向量機(jī)(SVM)對(duì)定義好特征空間的信號(hào)進(jìn)行模式分類。最

4、后，我們將上述方法運(yùn)用于2003腦機(jī)接口大賽的數(shù)據(jù)集Ia，實(shí)驗(yàn)結(jié)果表明該方法可獲得較高識(shí)別率。 本文的具體結(jié)構(gòu)如下：第一章為簡(jiǎn)介；第二章介紹了我們研究過程中使用的主要算法和工具-Hilbert-Huang變換和支持向量機(jī)(SVM)，它們分別應(yīng)用于信號(hào)的特征提取過程和模式分類過程；第三章闡述了我們的研究?jī)?nèi)容；第四章給出了我們實(shí)驗(yàn)所采用的數(shù)據(jù)的說明；在第五章中給出了我們具體的研究和分析過程，并展示了實(shí)驗(yàn)結(jié)果；第六章為全文的總結(jié)以及展