论文研究 基于模型的针刺神经电信号的分类 .pdf

为满足脑电信号采集、处理设备具有便携式,实时性,数据量大的实际需求,提出了一种基于SOPC的脑电信号实时处理设计方案。用脑电极采集到的脑电信号经过前期预处理(放大,滤波)、A/D模数转换后,经过SOP

企业合作项目,实验室与广东康田医疗器械有限公司合作项目,主要负责脑电图机的研制,用VC++编写EEG波形显示代码

svm和小波分析的核心程序，首先用svm实现脑电信号的分类，然后用svm和小波分析相结合实现分类。

针对现有的单一特征提取算法对运动想象脑电信号识别率不高的问题,提出一种以相关系数改进的经验模态分解(EMD)的特征提取算法。对已有的BCI竞赛数据中C3、C4两个通道脑电数据进行预处理,之后通过EMD

提出基于脑电信号(EEG)的睡眠分期研究。利用离散小波变换(DWT)的db8小波分解得到的细节分量作为信号新的表达,把各个细节分量能量作为特征,建立带高斯径向基核函数(RBF)的非线性支持向量机(SV

基于表面肌电信号(sEMG)的手势识别技术是人机自然交互领域的重要研究方向。手势识别技术的实现关键在于如何提取sEMG信号的有效特征。提出了一种提取sEMG信号稀疏特征用于多类手势识别的有效方法。该方

上海交通大学博士论文，包含表面肌电信号在复杂性分析，非线性分析，嫡，FuzzyEn，疲劳，频谱分析，相对带谱能量，带谱嫡方面的处理

对于人体表面肌电(SEMG)信号提出一种新的研究方法, 即在磁场刺激下, 采用小波变换的方法, 对从掌长肌、肱桡肌、 尺侧腕屈肌和肱二头肌上采集的4路表面肌电信号进行分析, 并提取其6 级小波分解系数

脑电信号EEG(Electroencephalograph)是人体一种基本生理信号,具有重要的临床诊断和医疗价值。南于脑电信号自身具有非平稳性随机的特点,因此,对其实时滤波具有相当难度。自从Berge

在传统模糊C-均值聚类算法的基础上，提出了一种新型区间值数据模糊聚类算法。运用区间分割策略改进了区间距离的计算公式，成功解决了区间距离计算方法存在的缺陷。提出了区间值数据模糊聚类的数学模型，并拓广模糊