The invention discloses an improved EEMD algorithm based on EEG signal. Firstly, based on the prior knowledge of EEG signal, two bandpass filters are designed by selecting the frequency band (8 12Hz) and the beta rhythm band (18 26Hz), and two band limits are obtained by using the bandpass filter to filter the all band Gauss white noise. Gauss white noise. Finally, in the original EEG, the above band limited Gauss white noise w (T) is added to carry out empirical mode decomposition. Using the algorithm to decompose the EEG, the intrinsic modal function signals with relatively concentrated frequency are obtained. The intrinsic modal functions of each frequency band are distinguished, and the modal aliasing problem caused by the empirical mode decomposition is greatly suppressed.
【技术实现步骤摘要】
基于脑电信号的改进EEMD算法
本专利技术涉及基于脑电信号的改进EEMD算法,属于智能信息处理
技术介绍
经验模态分解(EmpiricalModeDecomposition,EMD)作为一种新型自适应信号时频处理方法,适用于分析处理非线性、非平稳信号。EMD算法以信号本身的局部特征为基础,通过反复筛选可以将复杂的原始信号分解成一系列有限的、数据量小的本征模态函数(IntrinsicModeFunctions,IMF)之和,然后对每个IMF进行Hilbert变换求解其瞬时频率,使得瞬时频率具有实际的物理意义,进而得到非线性、非平稳信号的时频分布。EMD算法的主要缺陷是模态混叠问题。针对该问题,集合经验模态分解算法(EnsembleEMD,EEMD)引入了噪声辅助数据分析方法(Noise-AssistedDataAnalysis,NA-DA)。当原始信号加上均匀分布的白噪声背景时,不同尺度的信号区域将自动映射到与背景白噪声相关的适当尺度,从而有效地克服了模态混叠问题。EEMD自提出以来,在机械故障诊断、语音信号处理、图像处理、海洋学、地质勘测等诸多领域得到了广泛的应用。运动想象指只进行肢体运动想象而没有实际的肢体运动。运动感知节律由μ和β节律组成,他们是大脑活动位于μ频带(7-13)和β频带(19-26Hz)的波动。当大脑的活动和运动任务相关时,感觉运动节律会发生改变,更为重要的是,仅仅进行运动想象也会反映在感觉运动节律的变化中。运动想象时,大脑感觉运动皮层会产生事件相关同步/去同步(ERS/ERD)现象,由此产生的脑电信号是一种非线性非平稳的信号。 ...
【技术保护点】
一种基于脑电信号的改进EEMD算法,其特征在于,包括如下步骤:步骤1:针对脑电信号x(t)的不同节律频段分别设计出一个带通滤波器;步骤2:利用所述带通滤波器对全带高斯白噪声进行滤波处理,得到带限高斯白噪声序列wi(t)(i=1,2,…,N);步骤3:在所述脑电信号x(t)中分别加入所述带限高斯白噪声序列wi(t)(i=1,2,…,N)中的每一项,得到输入信号xi(t)=x(t)+wi(t),(i=1,2,…,N),对输入信号xi(t)进行经验模式分解,N个输入信号xi(t)分别得到n阶固有模态函数和一个剩余函数ri,n(t);步骤4:对得到的N个输入信号xi(t)的n阶固有模态函数进行集合平均,即得到脑电信号x(t)的第j阶固有模态函数cj(t)为:
【技术特征摘要】
1.一种基于脑电信号的改进EEMD算法,其特征在于,包括如下步骤:步骤1:针对脑电信号x(t)的不同节律频段分别设计出一个带通滤波器;步骤2:利用所述带通滤波器对全带高斯白噪声进行滤波处理,得到带限高斯白噪声序列wi(t)(i=1,2,…,N);步骤3:在所述脑电信号x(t)中分别加入所述带限高斯白噪声序列wi(t)(i=1,2,…,N)中的每一项,得到输入信号xi(t)=x(t)+wi(t),(i=1,2,…,N),对输入信号xi(t)进行经验模式分解,N个输入信号xi(t)分别得到n阶固有模态函数和一个剩余函数ri,n(t);步骤4:对得到的N个输入信号xi(t)的n阶固有模态函数进行集合平均,即得到脑电信号x(t)的第j阶固有模态函数cj(t)为:所述脑电信号x(t)可表示为:其中,ci,j(t)表示第i次对脑电信号加入带限高斯白噪声进行经验模式分解得到的第j阶固有模态函数。2.根据权利要求1所述的一种基于脑电信号的改进EEMD算法,其特征在于,所述脑电信号x(t)的不同节律频段包括μ节律频段和β节...
【专利技术属性】
技术研发人员:张学军,王龙强,何涛,成谢锋,
申请(专利权)人:南京邮电大学,南京邮电大学南通研究院有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。