基于DSP TMS320C54X的癫痫脑电信号处理
81 浏览量
2020-10-19
18:29:00
上传
评论
收藏 165KB PDF 举报
基于基于DSP TMS320C54X的癫痫脑电信号处理的癫痫脑电信号处理
利用小波变换的Mallat算法对癫痫患者的脑电信号进行小波分解，保留脑电的源信号信息，将高频噪声滤除，利
于进一步分析[5]。本文利用了DSP快速数据处理的优点，采用性价比高的定点型TMS320C54x DSP进行浮点数
据处理，结果表明，处理方法可行，效果明显，文中介绍的方法具有一定的理论和实际应用价值。
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
本文选用基于TI公司的TMS320C54X系列的
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
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：
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。
评论0
最新资源