国产精品免费无遮挡无码永久视频-国产高潮视频在线观看-精品久久国产字幕高潮-国产精品99精品无码视亚

基于DSP的癲癇腦電信號處理

發布時間:2010-11-25 12:35    發布者:eetech
關鍵詞: dsp , 癲癇 , 腦電信號
1 引 言

癲癇的診斷主要依靠臨床病史,腦電圖檢查可作為一種極有價值的輔助診斷手段。據統計,80%左右的癲癇病人都具有確定性的腦電異常,而只有5~20%左右的癲癇病人腦電圖表現正常。尤其對臨床診斷困難的非典型癲癇發作、各種異型癲癇和隱匿型癲癇,腦電圖檢查的重要性更加突出,甚至起著決定性的作用。

腦電(EEG)是超高斯或亞高斯信號,通常都含有噪聲、偽跡和串擾。通常,腦電活動總體上被劃分成4個頻帶成分(β,α,θ和δ等節律),這些成分的頻率都很低(在0.5~40 Hz范圍)。而臨床分析表明癲癇患者發病時以3 Hz棘慢綜合波為多見。換句話說,腦電中有意義的成分基本上都是低頻信號。這意味著,我們可以通過小波分解將混迭在腦電中的高頻成分濾除后再重構,從而濾除噪聲和偽跡。通過研究癲癇病人的腦電信號,有助于藥物選擇、劑量調整和藥物停用的決定,有助于外科手術治療病例的選定,有助于癲癇和其他發作性疾病的鑒別。

本文選用基于TI公司的TMS320C54X系列的DSP芯片開發平臺。借助DSP快速數據處理的優點,對癲癇腦電信號進行小波變換,然后濾除小尺度(高頻)成分,保留大尺寸(低頻)成分,最后再對處理后的信號進行重建。實現流程如圖1所示。






2 離散小波變換算法


離散小波變換的一個突破性成果是S.Mallat于1989年在多分辨分析的基礎上提出的快速算法一一Mallat算法。Mallat算法在小波分析中的作用相當于快速傅里葉變換(FFT)在傅里葉分析中的作用,他標志著小波分析走上了寬闊的應用領域。Mallat算法又稱為塔式算法,他由小波濾波器H,G和h,g對信號進行分解和重構。分解算法為:




式中,t為離散時間序列號,t=1,2,…,N;f(t)為原始信號;j為層數或小波尺度,j=1,2,…,J,J=log2N;H,G為時域中的小波分解濾波器,實際上是濾波器系數;Aj為信號f(t)在第j層的逼近部分(即低頻成分)的小波系數;Dj為信號f(t)在第j層的細節部分(即高頻部分)的小波系數。

式(1)的含義是:假定所檢測的離散信號f(t)為A。信號,信號f(t)在第2j尺度(第j層)的近似部分,即低頻部分的小波系數Aj是通過第2j-1尺度(第j-1層)的逼近部分的小波系數Aj-1與濾波器H卷積,然后將卷積的結果隔點采樣得到的;而信號f(t)在第2j尺度(第j層)的細節部分,即高頻部分的小波系數Dj是通過第2j-1尺度(第j-1層)的逼似部分的小波系數與分解濾波器G卷積,然后將卷積的結果隔點采樣得到的。

通過式(1)的分解,在每一尺度2j上(或第j層上)信號f(t)被分解為近似部分的小波系數Aj(在低頻子帶上)和細節部分的小波系數D,(在高頻子帶上)。
重構算法為:





式中,j為分解的層數,若分解的最高層即分解的深度為J,則j=J-1,J-2,…,1,0;h,g為時域中的小波重構濾波器,實際上是濾波器系數。

式(2)的含義是:信號f(t)在第2j尺度(第j層)的近似部分的小波系數,即低頻部分的小波系數Aj是通過第2j+1尺度(第j+1層)的逼近部分的小波系數Aj+1隔點插零后與重構濾波器h卷積以及第2j+1尺度(第j+1層)的細節部分的小波系數Dj+1隔點插零后與重構濾波器g卷積,然后求和得到的。不斷重復這一過程,直到第2°尺度,得到重構信號。

3 小波變換的DSP實現

3.1 腦電信號在CCS 2.2上的輸入與輸出

CCS 2.2(Code Composer Studio)是由TI公司推出的一種針對標準TMS320調試接口的集成開發環境(IDE),利用CCS集成開發環境,用戶可以完成工程定義、程序編輯、編譯鏈接、調試和數據分析等工作環節。我們把十進制的浮點數用兩個十六進制數進行表示,采用C語言實現。





再利用CCS中的File->Load Data將十六進制的數據導入到DSP的相應內存中去。

反過來,DSP處理之后的數據利用CCS的數據導出File->Save以文本文件形式保存,再用C語言進行數據逆轉化,把兩個十六進制數進行轉化成十進制的浮點數。





其中的result數組就是十進制的浮點型,origin數組就是十六進制的浮點型。

3.2核心匯編程序介紹

以下是以16位定點乘法實現32位浮點乘法的部分匯編程序:








3.3 實驗結果與分析

圖2(a)為待處理腦電信號,經小波分解后(b)~(f)依次為各級逼近波形圖,(g)~(k)則依次為對應的細節波形圖。濾掉j=3的細節波形即圖2(i),再進行小波重構后得到圖2(1),從中發現,原圖2(a)和重構后的圖2(1)幾乎看不出明顯差別。







4 結 語

利用小波變換的Mallat算法對癲癇患者的腦電信號進行小波分解,保留腦電的源信號信息,將高頻噪聲濾除,利于進一步分析。本文利用了DSP快速數據處理的優點,采用性價比高的定點型TMS320C54x DSP進行浮點數據處理,結果表明,處理方法可行,效果明顯,文中介紹的方法具有一定的理論和實際應用價值。
本文地址:http://www.4huy16.com/thread-41714-1-1.html     【打印本頁】

本站部分文章為轉載或網友發布,目的在于傳遞和分享信息,并不代表本網贊同其觀點和對其真實性負責;文章版權歸原作者及原出處所有,如涉及作品內容、版權和其它問題,我們將根據著作權人的要求,第一時間更正或刪除。
您需要登錄后才可以發表評論 登錄 | 立即注冊

廠商推薦

  • Microchip視頻專區
  • Microchip第22屆中國技術精英年會——采訪篇
  • Microchip第22屆中國技術精英年會上海首站開幕
  • 常見深度學習模型介紹及應用培訓教程
  • 電動兩輪車設計生態系統
  • 貿澤電子(Mouser)專區

相關視頻

關于我們  -  服務條款  -  使用指南  -  站點地圖  -  友情鏈接  -  聯系我們
電子工程網 © 版權所有   京ICP備16069177號 | 京公網安備11010502021702
快速回復 返回頂部 返回列表