基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
分析了基于传统陷波器的脑电消噪方法,根据脑电噪声所处频带及陷波器原理,设计了一种陷波器.并提出了基于小波变换的脑电信号分析方法并利用它来消除脑电信号中的噪声干扰.小波变换是一种多分辨率的时间-尺度分析方法,它能够将信号划分为不同频段的子带信号.根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果.最后对这两种方法的消噪结果进行比较.分析表明:利用小波变换能更有效、灵活地检测并去除脑电信号中的噪声干扰.
推荐文章
脑电棘波识别和噪声消除的小波变换方法
脑电
棘波
消噪
奇异指数
小波变换
模极大值
基于小波变换的陶瓷机械齿轮传动噪声消除方法
小波变换
陶瓷机械
齿轮传动
消除噪声
基于小波变换消除信号噪声的研究
小波变换
信号去噪
边沿提取
屏蔽滤波
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于小波变换的脑电噪声消除方法
来源期刊 重庆大学学报(自然科学版) 学科 工学
关键词 小波变换 脑电信号 陷波滤波器 噪声干扰 消噪
年,卷(期) 2005,(7) 所属期刊栏目 机械工程
研究方向 页码范围 15-17,26
页数 4页 分类号 TH834
字数 3131字 语种 中文
DOI 10.3969/j.issn.1000-582X.2005.07.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 秦树人 重庆大学机械学院测试中心 202 5885 37.0 70.0
2 季忠 重庆大学机械学院测试中心 53 851 15.0 28.0
3 王巧兰 重庆大学机械学院测试中心 1 52 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (87)
参考文献  (8)
节点文献
引证文献  (52)
同被引文献  (69)
二级引证文献  (137)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(3)
  • 参考文献(2)
  • 二级参考文献(1)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(3)
  • 参考文献(2)
  • 二级参考文献(1)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(4)
  • 引证文献(4)
  • 二级引证文献(0)
2007(3)
  • 引证文献(3)
  • 二级引证文献(0)
2008(8)
  • 引证文献(5)
  • 二级引证文献(3)
2009(2)
  • 引证文献(1)
  • 二级引证文献(1)
2010(6)
  • 引证文献(2)
  • 二级引证文献(4)
2011(14)
  • 引证文献(6)
  • 二级引证文献(8)
2012(9)
  • 引证文献(3)
  • 二级引证文献(6)
2013(14)
  • 引证文献(5)
  • 二级引证文献(9)
2014(12)
  • 引证文献(5)
  • 二级引证文献(7)
2015(27)
  • 引证文献(8)
  • 二级引证文献(19)
2016(19)
  • 引证文献(3)
  • 二级引证文献(16)
2017(27)
  • 引证文献(2)
  • 二级引证文献(25)
2018(26)
  • 引证文献(3)
  • 二级引证文献(23)
2019(13)
  • 引证文献(2)
  • 二级引证文献(11)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
小波变换
脑电信号
陷波滤波器
噪声干扰
消噪
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆大学学报
月刊
1000-582X
50-1044/N
大16开
重庆市沙坪坝正街174号
78-16
1960
chi
出版文献量(篇)
6349
总下载数(次)
8
总被引数(次)
85737
相关基金
重庆市自然科学基金
英文译名:
官方网址:http://law.ddvip.com/law/2006-09/11584979384040.html
项目类型:重点项目
学科类型:
论文1v1指导