eeg小波变换matlab,基于小波变换与自适应滤波的EEG信号的提取

-276- 中国科技信息 2006 年第 23 期 CHINA SCIENCE AND TECHNOLOGY INFORMATION Dec.2006基础及前沿研究 对含有噪声的有用信号进行小波分解，噪声信号主要表现在各个尺度的信号中的高频信号部分。噪声在各个不同尺度上的表现是不相关的且在高频系数的幅值是随着尺度变大和分解层次增多快速衰减的。同时，EEG 信号为非平稳信号，除了含有非常有用的低频信号外，其突变部分反映了EEG信号的某些重要特征，含有较丰富的高频信号。因此，对EEG信号做滤波预处理，既要消掉噪声表现的高频量，又要保留那些能反映信号突变的高频量。 白化预处理结果是将EEG信号中含有的有色噪声(如肌电噪声、电极和皮肤摩擦噪声等)滤波或转化成白噪声。在每次作业时，采集一段与混合EEG信号相关的纯噪声，计算出适合该噪声的AR模型的参数，构造一个白化滤波器，使得有色的噪声通过该滤波器后变成白噪声。 基于小波变换与 自适应滤波的EEG信号的提取李娜 陈亚光 中南民族大学电子信息工程学院 430074 (1 ) 其中 为正态噪声。 对于自回归(AR)模型，系统的传递函数是： (2) 由此可看出，该系统是可逆的。那么根据AR自回归模型可以构造一个白化滤波器, EEG 信号通过系统G(z)的输出信号是随机白噪声 ，如图1-1 图 1-1 白化滤波器框图 将原始的含有有色噪声的EEG信号经过该白化滤波器后，就可以得到白化后的信号和白噪声，即可以将有色噪声的奇异性检测转化为对白噪声的奇异性检测。最 图 3-1 EEG信号的小波多分辨率分解结果 脑电(EEG)信号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应，在医学诊断中起着重要的作用[1]。由于 EEG 信号是随机的、非平稳性的且极易受到各种噪声干扰,因此消除原始EEG 信号的噪声干扰是EEG信号处理中的一个 重要环节。 1 理论与消噪方法 1、1 预处理 摘 要本文提出了对非平稳的 EEG 信号的降噪和提取方法。小波变换是一个多尺度的时频分析方法，利用小波变换对预处理后的 EEG 信号进行多尺度分解，并与自适应滤波相结合进行消噪。用 AR 模型对复原的 EEG 信号进行谱估计。根据从人体的大脑皮层采集得到的数据，利用 MATLAB 进行了仿真实验，得到了比较满意的结果。关键词脑电信号；小波变换；自适应滤波；AR 模型；谱估计 Abstract A method is proposed for de-noising and extracting non-stationary electroencephalo-gram (EEG) signals. Wavelet transform is a multi-resolution time-frequency analysis method. The EEG signal is analyzed and de-noised using WT and adaptive filter., then use AR model methods to spectrum estimation. Collection datas form human body’s cerebrum cortex ,the result of simulation experiment by MTLAB is satisfied comparatively. Key words EEG Wavelet Transform Adaptive Filter AR model spectr