1 引 言
癫痫的诊断主要依靠临床病史,脑电图检查可作为一种极有价值的辅助诊断手段。据统计,80%左右的癫痫病人都具有确定性的脑电异常,而只有5~20%左右的癫痫病人脑电图表现正常。尤其对临床诊断困难的非典型癫痫发作、各种异型癫痫和隐匿型癫痫,脑电图检查的重要性更加突出,甚至起着决定性的作用[1]。
脑电(EEG)是超高斯或亚高斯信号,通常都含有噪声、伪迹和串扰。通常,脑电活动总体上被划分成4个频带成分(β,α,θ和δ等节律),这些成分的频率都很低(在0.5~40 Hz范围)。而临床分析表明癫痫患者发病时电感厂家以3 Hz棘慢综合波为多见。换句话说,脑电中有意义的成分基本上都是低频信号。这意味着,我们可以通过小波分解将混迭在脑电中的高频成分滤除后再重构,从而滤除噪声和伪迹。通过研究癫痫病人的脑电信号,有助于药物选择、剂量调整和药物停用的决定,有助于外科手术治疗病例的选定,有助于癫痫和其他发作性疾病的鉴别。
本文选用基于TI公司的TMS320C54X系列的DSP芯片开发平台。借助DSP快速数据处理的优点,对癫痫脑电信号进行小波变换,然后滤除小尺度(高频)成分,保留大尺寸(低频)成分,最后再对处理后的信号进行重建。实现流程如图1所示。
2 离散小波变换算法
离散小波变换的一个突破性成果是S.Mallat于1989年在多分辨分析的基础上提出的快速算法一一Mallat算法[2]。Mallat算法在小波分析中的作用相当于快速傅里叶变换(FFT)在傅里叶分析中的作用,他标志着小波分析走上了宽阔的应用领域。Mallat算法又称为塔式算法,他由小波滤波器 H,G和h,g对信号进行分解和重构[3]。分解算法为:
式中,t为离散时间序列号,t=1,2,…,N;f(t)为原始信号;j为层数或小波尺度,j=1,2,…,J,J=log2N;H,G
为时域中的小波分解滤波器,实际上是滤波器系数;Aj为信号f(t)在第j层的逼近部分(即低频成分)的小波系数;Dj为信号f(t)在第j层的细节部分(即高频部分)的小波系数。
式 (1)的含义是:假定所检测的离散信号f(t)为A。信号,信号f(t)在第2j尺度(第j层)的近似部分,即低频部分的小波系数Aj是通过第2j-1尺度(第j-1层)的逼近部分的小波系数Aj-1与滤波器H卷积,然后将卷积的结果隔点采样得到的;而信号f(t)在第2j尺度(第j层)的细节部分,即高频部分的小波系数Dj是通过第2j-1尺度(第j-1层)的逼似部分的小波系数与分解滤波器G卷积,然后将卷积的结果隔点采样得到的。
通过式(1)的功率电感分解,在每一尺度2j上(或第j层上)信号f(t)被分解为近似部分的小波系数Aj(在低频子带上)和细节部分的小波系数D,(在高频子带上)。
重构算法为:
式中,j为分解的层数,若分解的最高层即分解的深度为J,则j=J-1,J-2,…,1,0;h,g为时域中的小波重构滤波器,实工字电感器际上是滤波器系数。
式 (2)的含义是:信号f(t)在第2j尺度(第j层)的近似部分的小波系数,即低频部分的小波系数Aj是通过第2j+1尺度(第j+1层)的逼近部分的小波系数Aj+1隔点插零后与重构滤波器h卷积以及第2j+1尺度(第j+1层)的细节部分的小波系数Dj+1隔点插零后与重构滤波器g卷积,然后求和得到的。不断重复这一过程,直到第2°尺度,得到重构信号。
3 小波变换的DSP实现
3.1 脑电信号在CCS 2.2上的输入与输出
CCS 2.2(Code Composer Studio)是由TI公司推出的一种针对标准TMS320调试接口的集成开发环境(IDE),利用CCS集成开发环境,用户可以完成工程定义、程序编辑、编译链接、调试和数据分析等工作环节[4]。我们把十进制的浮点数用两个十六进制数进行表示,采用C语言实现。
利用低门限电压延长电池寿命技术 多年以来,从事电源管理业务的半导体制造商尽力跟上终端系统用户的需求。越来越多的便携式电子产品在功能上花样翻新,这些产品需要峰值性能,要求设计者在设备的物理尺度内实现尽可能高的效率。虽然电池行业努力开
基于 DSP 和 GC5322 的数字预失真系统设计随着多载波调制技术的发展,调制电平也随之增加。功放的各种线性和非线性失真对无线数据传输性能的影响越来越大。尤其是功放发射峰均比较大时,发射功率变化较大,有时甚至会造成功放的自保护,导致停止发射或者烧毁
基于ATmega48的微功耗电刺激器的设计运动障碍性疾病源于不同神经递质之间的失衡,而不同部位神经细胞的变形坏死是导致神经递质失衡的神经生物学基础。既往对运动性疾病的治疗主要通过药物治疗或苍白球手术破坏两种方法。第一种治疗途径或者是疗效差,或