目的:采用自相关方法测量直径为数十微米的碳颗粒悬混液的轴向流速.方法:采用基于连续独立A扫光声信号的自相关方法计算光声多普勒频移.光声信号由波长为532 nm、重复频率为20 Hz的脉冲激光激励,采用中心频率为5 MHz的超声换能器、低噪声前置放大器和示波器采集、存储光声信号.碳颗粒悬混液由微量注射泵驱动.时域光声信号由希尔伯特变换转变为复信号,然后由复光声信号的自相关计算多普勒频移,最后由若干独立A扫光声信号自相关的平均值得到光声多普勒频移.结果:该方法的可行性通过测量流速范围为5~60 mm/s的碳颗粒悬混液得到了初步验证,实验结果显示信号的自相关结果与速度预设值之间呈近似线性分布.结论:基于自相关方法测量光声多普勒碳颗粒悬混液流速可行,可以使用中心频率较高的超声换能器进一步提高频移测量的自相关结果和流速值之间的线性相关性.

目的:解决运动信号因非平稳性而难以提取特征的难题.方法:以人体小腿角加速度信号为例,用希尔伯特-黄变换对其进行时频分析,即先对信号进行经验模态分解得到多个特征模态函数,再对全部或多个特征模态函数进行希尔伯特变换得到该信号的希尔伯特谱.结果:在跺脚、行走、摔倒的行为模式下,当试验脚着地时,能量分别集中在频率4、3、2 Hz处,时频分辨力较高,且这些行为的信息主要集中于高频分量的特征模态函数中.结论:该方法可成功提取人体小腿角加速度信号的时频特征,也适用于对其他下肢运动学参数信号的提取,以得到整个下肢的运动特征.

为了测量与超声探头信号接收轴线相垂直的碳颗粒悬混液的流速,采用多普勒频谱的标准偏差估计频带展宽,频谱标准偏差由自相关方法计算.光声信号由波长532 nm重复频率20 Hz的脉冲激光激励,由中心频率10 MHz的聚焦超声换能器采集.碳颗粒悬混液由微量注射泵驱动,时域光声信号经希尔伯特变换为复信号后进行自相关计算,多普勒频宽的标准偏差由若干序列A扫的自相关平均得到.对比之前基于序列A扫的互相关方法,所提出方法的优点是自相关中的信号时移大小可自定义,如时移量远小于信号扫描间隔,可避免信号混叠,避免互相关中对重复频率为数千赫兹脉冲激光的需求.该方法的可行性通过测量横向流速为5.0～8.4 mm/s的碳颗粒悬混液的频谱标准偏差得到初步验证,实验结果显示信号的自相关结果在测量范围内呈现线性分布趋势.

锁相位算法是分析脑区同步特性的有效方法.基于传统锁相位算法只针对脑电信号的相位分量进行分析,而不能有效地分析脑电信号的其他特征分量的问题,本文提出了一种改进锁相位算法.该算法首先基于经验模态分解获得固有模态函数,以此作为希尔伯特变换的输入求出所需瞬时幅值,计算锁幅值.基于此算法,不仅可以度量脑电信号采集位点之间的变化情况,而且可以度量各个位点自身的脑电信号瞬时振幅的变化情况,从而达到提取脑电信号同步特征的效果.本文采集了14名受试者在不同难度认知任务下的脑电信号,并基于改进锁相位算法,分析大脑在完成认知任务过程中各脑区之间的同步性.结果表明,大脑幅值同步程度与认知活动之间呈负相关,且大脑中央区和顶叶最为敏感.基于改进锁相位算法进行的同步性量化,能够真实地反映数据之间的生物信息,为大脑同步性研究提供了一种新的方法,为更好地探索脑区的相关性与同步性提供新思路.

设计一款双波长无创血红蛋白浓度监测仪,可实时监测人体血红蛋白浓度.总体设计分为软硬件设计及算法研究.软硬件设计采用STM32 F407作为主控芯片,选择MAX30100作为传感器,使用LCD液晶屏显示实时波形,使用SD卡进行数据存储.算法研究主要采用希尔伯特黄变换(HHT)对脉搏波进行滤波处理,采用PCA算法和RELIEF算法相结合对提取的27个时域特征参数筛选筛选出12个特征参数,利用PLS建立血红蛋白模型.本次研究中,选择响应速度快、精度高的艾康生物技术公司生产的Mission HB便携式血红蛋白分析仪作为对照仪器.同时,随机选择31名志愿者在相同的实验条件下进行验证实验,对31组实验数据进行分析,得到相关系数为0.728,均方差为0.9416 g/dL.结果表明,本研究建立的双波长血红蛋白检测模型对血红蛋白浓度检测提供了一定的研究依据,对临床研究具有重要的意义.

当前癫痫自动检测方法,通常采用希尔伯特黄变换结合脑电信号变换规律进行检测,易受到噪声的干扰,检测结果存在一定的误差.据此,深入研究基于子波变换的癫痫脑电信号检测方法,依据子波变换检测癫痫脑电信号的原理,采用子波变换对含噪的脑电信号进行去噪后,考虑到癫痫患者发病时,脑电信号里异常特征波导致信号波动幅度较大,采用TQWT小波分解并重构脑电信号,提取重构后的脑电信号里有效值与峰峰值指标构成特征分量,根据特征分量设定正常与发病两种样本,通过支持向量机(support vector machine,SVM)分类器对脑电波信号样本分类,实现患者癫痫脑电信号的准确检测.实验结果表明,所提方法可有效检测癫痫脑电信号,检测灵敏度、特异性和准确率均值分别是98.73％、18.84％、98.87％,适用于癫痫脑电信号检测.

当前肌肉疲劳表面肌电信号(surface electromgography,sEMG)特征提取方法,忽略了非线性跳错信号的影响,且不能在非平稳状态下进行特征提取,存在特征提取准确度差的问题.提出基于小波变换的肌肉疲劳sEMG特征提取研究,采用小波变换对所采集的样本去噪,结合时域、频域特征分析法,融合傅里叶变换方法对肌电信号中的线性特征进行提取,根据带谱近似熵理论对非线性挑错信号进行特征回归分析,并利用拟态分解函数和希尔伯特变换法对肌电信号进行时频特征的整合提取,最终完成基于小波变换的肌肉疲劳sEMG特征提取研究.实验验证,所提方法具有可行性,且将1000个肌电信号样本分成5组,对其中的跳错信号进行特征提取,所提方法准确度较文献方法高出75％,在非平稳状态下将200个肌电信号样本分成5组进行特征提取,所提方法准确度较文献方法高出33％.由此得出,所提方法优于当前特征提取方法.

时频分析方法在各个领域中广泛应用起来,特别是在工程领域中对结构和构件的变形以及内部损伤检测应用较多.HHT作为一种新兴的非线性,非平稳时频分析技术在探测和勘探领域中具有广阔的前景.文中重点对EMD,EEMD和CEEMD算法进行分析,通过对合成信号进行傅里叶变换和希尔伯特-黄变换,得到信号的频谱图,希尔伯特黄谱,边际谱等数据.通过对比分析,总结了三种方法的优缺点.结果表明,EMD,EEMD和CEEMD方法是进行非线性非平稳信号分析的有效工具.

核小体是染色体折叠的整体结构,它们的空间分布与基因组活动的调节密切相关,是基因工程和表观遗传的重要研究领域.为进一步研究核小体定位特征的物种间差异性,将希尔伯特-黄变换(HHT)引入到酵母和果蝇两个不同物种的定位信号中,从多个角度客观分析核小体定位信号特征在两个物种间的差异性.在此基础上,对酵母和果蝇核小体分布的周期特征和进化印记进行尺度和频域分析,结果表明酵母和果蝇染色体在组织结构上存在显著差异.本文研究思路为准确提取信号瞬时频率提供了前提条件.

目的 为弥补现有光电容积脉搏波特征点识别算法存在的需要人为设定阈值筛选门限和对复杂波形适应能力较差的缺陷,提出一种基于脉搏波上升支单调增加几何特性的特征点自动识别算法.方法 通过两次Hilbert变换后过零点检测在每个脉搏周期内确定一个"基准点",在"基准点"前后搜索距离其最近的凹拐点即为波谷点、凸拐点即为主波峰点.结果 利用MIT-BIH标准数据库中18组数据进行检测验证,平均值达到99.94％灵敏度、99.72％查准率和99.68％检测准确率.对比已有的4种算法,在查准率上有明显的提升,应对复杂的波形依然能准确识别特征点.结论 提出的算法在搜索确定脉搏波波谷点和主波峰值点位置过程中取得较高的检测准确率,同时展现出对波形变化更强的适应力.研究结果为临床上通过脉搏波特征提取进行生理病理分析提供良好基础.