连续小波变换在生物医学中作用.docVIP

连续小波变换在生物医学中作用 　　1、连续小波变换 　　连续小波变换和离散小波变换的简单比较。根据癫痫脑电信号中特征波和心电信号中QRS波群的特点，在研制虚拟式脑电图仪和虚拟式心电图仪的过程中，对于上述波形的检测使用了连续小波变换。 　　1.1连续小波变换原理对于任意的函数x(t)isin;L2(R)的连续小波变换为[1]WTx(a，b)==|a|-1/2int;Rx(t)psi;t-badt(1)利用连续小波变换的结果可以重构出原信号，但这时对基本小波具有更高的要求，即基本小波psi;(t)应满足“容许条件”(AdmissibleCondition)Cpsi;=int;+infin;-infin;| 　　1.2连续小波变换算法设信号x的采样频率为fs，取采样点xn=n/fs，移位b=k/fs，采用梯形积分公式[2]，得到式(1)的积分数值算法为[3]WT(a，k/fs)=|a|-1/2(2fs)-1bull;sum;N-2n=0xnfspsi;n-kafs+xn+1fspsi;n+1-kafs(5)式(5)包含了2种采样，即对信号x的采样和对分析小波psi;a，b(t)的采样。两种采样都必须满足采样定理。其中fs在使用式(5)之前就已确定，它是信号采样频率。因此对不同尺度的分析小波psi;a，b(t)使用的是相同的采样频率fs。需要注意的是，当尺度小到一定值之后会产生频混现象。因此对于分析小波的尺度不能任意小，而是存在一个最小值amin，若取a 　　2、生物医学信号的检测 　　2.1小波基的选择 　　与标准的傅立叶变换相比，小波分析中所用的小波函数具有不唯一性，即小波函数psi;(t)具有多样性。但选用不同的小波函数分析同一个问题时，可能会产生不同的结果。因此，进行小波分析时，小波基的选择是一个十分重要的问题，但目前仍没有较好的方法，主要是通过用小波分析方法处理信号的结果与理论结果的误差来判定小波基的好坏，并由此选定小波基。本文在进行心、脑电信号中特征参数和信息提取时，针对不同的信号特征，采用了不同的小波基。在进行心电信号特征参数提取和癫痫脑电波中棘波、尖波和慢波提取时，分别用dbN、样条、Meyer、Mexicanhat等小波函数作为小波基，从分析结果中，可以看出，Mexicanhat小波基对上述心、脑电信号的特征提取的效果较好。这是因为Mexicanhat函数无限光滑即无穷次可微，因此它不对单独的噪声点敏感，而其独特的时域性质，可以使包含信息的特征点特别突出。在频域中，Mexicanhat函数同样具有很好的局域性能。Mexicanhat函数为psi;(t)=23pi;-1/4(1-t2)e-t2/2(8)且满足式(4)，但是由于其尺度函数不存在，所以不具有正交性。 　　2.2连续小波变换在脑电信号特征波提取中的应用 　　在作者研制的“虚拟式脑电记录分析仪”中，主要利用连续小波变换来进行癫痫波检测的预处理，即利用小波变换把癫痫波中的三种基本成分”““棘波、尖波和慢波长链分解开来，并由不同尺度(也就是频率)的通道输出;然后将这些参数作为人工神经网络的输入;神经网络分析得到波形对异常波的隶属度;在此基础上，利用专家知识规则，结合特征波形的时间、空间信息，判断检测波形属于哪一种特征波，从而得到最终的检测和分类结果。最后统计报告各通道的检测结果。根据棘波、尖波和慢波的特征，可以很容易地知道对癫痫脑电做小波变换时，棘波和尖波等频率较高的成分将在尺度较小的频段出现，而慢波成分则在尺度较大的频段表现出来。即使在复合波形中，时域特征不明显、被慢波所覆盖的棘波和尖波，经过小波变换后，这些波形也可以在相应的尺度上很好地体现出来。利用Mexicanhat小波函数作为小波基，选取ak=0.5k，k=1~8，进行8尺度分解。其中a值较小的通道中主要是频率较高的棘波，a值较大的通道中主要是频率较低的慢波，介于其间的是尖波成分。由于是在多个通道反映某一个成分，因此可以适应因人而异的变化，从而提高系统的稳健性。小波变换结果如图1所示。其中S1~S3用来检测慢波，S7~S8用来检测棘波，中间3个尺度的输出用来检测尖波。在这些尺度下，这3种基本波可以表现出最大的幅度。这样跨尺度地提取特征波可以较好地区分特征波与伪迹和背景尖波。因为伪迹和背景尖波可能在某一尺度下与特征波混淆，但不可能在多个尺度中全部混淆。这样，通过连续小波变换的预处理，可以将跨尺度信息结合起来将原始波形分解成三种基本成分，然后再进一步提取各种成分的波形特征和时序特征。在本仪器中，用来作为后续神经网络输入的波形特征包括:相对幅度、宽度、最大斜率、尖锐波等[4-6]。 　　2.3连续小波变换在心电波形识别中的应用 　　作为生物医学信号之一的ECG信号，如图2所示，是由P、QRS、T波和静息