小波相干性的分析.docVIP

综 述 小波相干分析及其应用 摘 要：将小波变换与相干分析相结合构成的小波相干分析，探测Fourier相干无法探测的特征信息，小波相干分析不仅能提供傅立叶分析类似的谱图，还能捕捉信号之间短时相互作用，因此小波相干分析在临床上的应用越来越广泛。本文主要介绍小波相干分析方法以及在生活中的应用。 关键词：小波分析；相干分析；小波相干 1 引言 ，因而传统的Fourier相干在分析信号时存在一定的局限性[-2]。小波分析方法对非平稳信号的特殊处理能力，使其在信号的分析和处理中显示出极大的优越性。因此与相干分析相结合构成小波相干分析，既能够获取待分析信号的幅值和相位信息，又能够衡量相干性随时间的变化规律[-4] 。 2 相干分析 对于两个复随机信号x和y，相干性系数定义为功率谱密度(power-spectrum density，PSD) 和互谱密度(cross-spectrum density，CSD ) 的函数，计算公式如下: (1) 公式(1) 中,Pxx(f)和Pyy(f)分别表示信号x和信号y的PSD,Pxy(f)表示信号x和y之间的CSDPSD是频率f的实函数，而CSD是f的复函数。Cohxy表示信号x和信号y在频率f处的相干性系数式中0≤Cohxy≤1，且Cohxy=0x和y不相干;Cohxy=1x和y完全相干。 相干性系数反映的是两信号之间的同步性相似性，或两信号的变化规律是否具有线性关系该理论在地球物理雷达通信等方面都有着重要的应用，近年来也越来越多地应用于医学信号，如EEG和EMG。 当公式( 1) 中的信号x和y 分别为EEG中两个通道信号时，即可实现EEG信号的相干性分析，按照经典的频谱分析方法，设计步骤如下 (1) 对记录到的EEG时域信号进行傅立叶变换( FFT) ,得到F(x)F(y) ； (2) F(x)与F(y)的乘积作为CSD,F(x) F(y)分别与其共轭相乘作为PSD (3) 用CSD除以两信号的PSD进行归一化处理，如公式(1) 所示，得到Cohxy; 归一化处理是为了使相干性系数与两信号的震荡幅度相独立，从而保证相干性分析在动态功率谱变化中的有效性。 3 小波变换 一般认为，实际信号中不同频率成分的分量具有不同的时变特性，通常，慢变信号具有较低频率成分的频谱，变化激烈的信号具有较高频率成分的频谱。小波变换是由法国科学家莫莱特（Morlet）在1980年分析地震信号时提出的，在小波变换中，Morlet引入了多尺度分析的概念，可以由粗及细地逐步观察信号。 小波母函数的定义如下： （2） 其中，a, bR, a≠0, 分别是尺度参数和时间参数，母函数可以为实函数或者复函数。小波变换的实质是将信号与一个在时域和频域上均具有局域化性质的平移伸缩小波权函数进行卷积，从而将信号分解成位于不同时间和频率上的各个成分。小波变换的定义如下： （3） 式中*表示复共轭，(S,ψab)即表示小波系数[]。小波变换克服了短时傅立叶变换窗函数固定尺度的缺陷，高频处采用短时窗以提高时间分辨率，低频处采用长时窗以提高频率分辨率。在小波分解中，随着分解尺度的增加，小波逐渐向低频方向聚焦。Morlet小波由于具有良好的时域与频域局部化特性，因此在信号的时频分析应用中经常被采用。复Morlet 小波是高斯窗口的复正弦函数，其表达式如下： （4） 复Morlet小波变换的定义如下： （5） 4 小波相干 小波相干（wavelet coherence）来源于傅立叶相干，其定义如下[-13]： （6） 其中 （7） SWxx(t,f)和SWYY(t,f)也可按照上式计算。δ是随所关注频率而改变的，其取值照下式： （8） 此式体现小波相干的根本思想，即对于较高的频率使用较窄的积分窗。这里ncy为 ，时间段内的周期个数，一般来说，对于短时间序列，ncy取比较小的数值，如5或者6，而对于长的时间序列，ncy取较大数值[,13]。 小波相干的应用大脑内部通过各种信息传递来完成整体的任务，各导联信号之间的相干性大小即可体现脑区之间的联系强度，并给予我们大量神经中枢内部的交互信[1]。脑电的相干分析由来已久，从 20 世纪六、七十年代的初步尝试到 90 年代的普遍承认和迅猛发展，相干分析已经成为研究脑神经的重