新闻中心

EEPW首页 > 模拟技术 > 设计应用 > DSP实现癫痫脑电信号处理

DSP实现癫痫脑电信号处理

作者:时间:2013-09-22来源:网络收藏

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。本文选用基于TI公司的TMS320C54X系列的芯片开发平台。借助快速数据处理的优点,对信号进行小波变换,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。

  

DSP实现癫痫脑电信号处理

  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:

  

DSP实现癫痫脑电信号处理

  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:

  

DSP实现癫痫脑电信号处理


上一页 1 2 3 下一页

关键词: DSP 癫痫脑电 信号处理

评论


相关推荐

技术专区

关闭