锋电位检测信号的EEMD去噪方法研究

• 作者: 万红 刘新玉 管磊
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 锋电位 整体平均经验模态分解 小波阈值法 信噪比
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 118-124
• 分类号: TP391.9
• 语种: 中文

摘要

神经元锋电位(spike)是研究大脑信息编码的基础,因其宽带、小幅值等特点而极易受噪声干扰.针对pike信号的间歇性及非平稳性,采用经验模态分解(EMD,Empirical Mode Decomposition)的改进算法-整体平均经验模态分解(EEMD,Ensemble Empirical Mode Decomposition)对pike检测信号进行分解并结合小波阈值法进行去噪.EEMD能将信号中间歇性成分有效分离出来,解决了EMD产生的模态混叠问题.基于仿真和实测数据将其与EMD去噪方法及多元小波去噪法进行比较,结果表明:EEMD去噪方法不仅有效提高了 spike检测信号的信噪比,而且降低了spike波形的畸变.在3种去噪方法中,EEMD去噪方法效果最为显著,对仿真信号的信噪比平均提高了4.177 2dB.为随后spike信号的分类和信息编码奠定了良好基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万红	郑州大学电气工程学院	41	325	9.0	17.0
2	刘新玉	郑州大学电气工程学院	21	50	5.0	6.0
3	管磊	郑州大学电气工程学院	1	8	1.0	1.0