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:
针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究.首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性.
推荐文章
基于小波包变换的肌电信号特征提取
小波包变换
特征提取
表面肌电信号
Elman神经网络
基于快速独立分量分析的脑电波信号降噪
脑电波信号
降噪
小波变换
快速独立分量分析
基于小波包变换的眼电信号特征提取及分类
眼电信号
小波包变换
支持向量机
基于小波包分解的声信号特征提取方法
声目标
小波包
特征提取
分解
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 基于小波包变换的脑电波信号降噪及特征提取
来源期刊 计算机工程与科学 学科 工学
关键词 脑电波信号 降噪 特征提取 小波变换 小波包变换
年,卷(期) 2015,(4) 所属期刊栏目 图形与图像
研究方向 页码范围 790-795
页数 6页 分类号 TN911.4
字数 4216字 语种 中文
DOI 10.3969/j.issn.1007-130X.2015.04.026
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 王轶卿 南京工业大学自动化与电气工程学院 16 135 7.0 11.0
2 李胜 南京理工大学自动化学院 34 396 11.0 19.0
3 刘珑 南京理工大学自动化学院 2 34 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (47)
共引文献  (61)
参考文献  (8)
节点文献
引证文献  (21)
同被引文献  (68)
二级引证文献  (33)
1900(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(8)
  • 参考文献(0)
  • 二级参考文献(8)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(5)
  • 参考文献(2)
  • 二级参考文献(3)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(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)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(4)
  • 引证文献(4)
  • 二级引证文献(0)
2018(20)
  • 引证文献(7)
  • 二级引证文献(13)
2019(22)
  • 引证文献(6)
  • 二级引证文献(16)
2020(6)
  • 引证文献(2)
  • 二级引证文献(4)
研究主题发展历程
节点文献
脑电波信号
降噪
特征提取
小波变换
小波包变换
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
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导