脑电信号的去噪 的作业.pptVIP

基于ＲＬＳ算法的脑电信号的去噪 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 　 　　 在脑电（EEG）信号的采集过程中，不可避免地会受到各种各样的干扰，且噪声类型具有很大的不可预知性，因而采集的信号一般是非平稳的，这给去噪带来了困难，但采用RLS滤波器对其滤波能有效地解决这个问题，利用前一时刻已获得的滤波器参数，自适应滤波器自动地调节现时刻的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，实现最优滤波，得出滤波数据；再进行匹配滤波，以提高输出的信噪比；最后使用Matlab7软件绘图，直观地反映滤波结果。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. ＲＬＳ自适应滤波器及其算法 RLS算法，即递归最小二乘方算法，它是FIR维纳滤波器的一种时间递归算法，并且是严格以最小二乘方准则为依据的算法。 优点：收敛速度快；在快速信道均衡，实时系统辨识和时间序列分析中得到广泛的应用。 缺点：每次迭代计算量很大。 但在生物医学应用中数据的计算量不是很大，所以这种算法很容易在小型计算机上实现。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. ＲＬＳ自适应滤波器及其算法 RLS算法的关键是用二乘方的时间平均的最小化准则取代最小均方准则，并按时间进行迭代计算。具体说来，就是要对初始时刻所有误差的平方进行平均并使其最小化，再按这一准则确定FIR滤波器的权系数矢量w，即依据的准则是： 其中： Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. ＲＬＳ自适应滤波器及其算法 基本迭代算法如下： （1）在时刻n，已获得ω（n-1）,T(n-1)和 d(n)，x(n) 并存储在滤波器的延时部件中。 （2）利用式（1）-式（4）计算T（n）, ω(n), k(n)和e(n|n-1)。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. ＲＬＳ自适应滤波器及其算法 （3）得到滤波器输出响应y(n)和误差e(n)，即： 再进行第n次迭代。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 匹配滤波器 匹配滤波器--------输出信噪比最大的最佳线性滤波器。 匹配滤波器的着眼点不是尽可能保持信号不失真，而是提高输出的信噪比。 输出信噪比是指输出在采样瞬间信噪比。 匹配滤波器原理框架图 x(t) n(t) x(t) H(ω) h(t) y(t)=s0(t)+n0(t) 线性滤波器 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 匹配滤波器 设给定输入信号s(t)，其频谱是S(ω), 输入噪声为白噪声n(t), pn(ω)=n0/2，关键是求出与之相匹配的线性滤波器。 （1）匹配滤波器在抽样时刻t0时有最大信噪比，即： 式中，E为信号s(t)的总能量，即： 为使其物理可实现，t0是输出信号s(t)消失的时刻。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd. 匹配滤波器 （2）确定