目的 提出一种基于三波长的脑组织氧监测数学模型.方法 结合完全集合经验模态分解与自适应噪声(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和排列熵(Permutation Entropy,PE),对脑氧信号进行处理,同时用信噪比矫正PE值区间的选择,以自适应滤波提高脑血氧降噪.结果 本文采集了3例志愿者数据并将其和现有市场设备进行对比,结果表明,与经验模态分解算法、集合经验模态分解算法相比,本文提出的CEEMDAN算法与对比设备的均方根误差均小于1.7,3组数据的皮尔逊相关系数分别为0.885、0.899、0.883,整体相关性较高(P<0.01);在降氧实验中,该算法可有效监测脑氧值变化趋势,具有较好的实用价值.结论 该算法可有效去除基线漂移、低频噪声以及高频噪声,解决模态混叠和残余噪声问题,并提高滤波的准确性,进一步提高重构信号的信噪比,提升系统的有效性和稳定性.

气候变化已明显影响到陆地植被的活动,但在不同生态系统间存在差异,研究不同陆地生态系统归一化植被指数(NDVI)的时空变化特征,不仅可揭示各生态系统植被活动对气候变化的响应规律,而且可为我国不同生态区制定应对气候变化的策略和生态文明建设提供科学依据.基于1982-2012年GIMMS NDVI3g和中国陆地生态系统类型数据,利用一元线性回归、集合经验模态分解和相关分析等方法,研究了近30年中国各陆地生态系统NDVI的时空变化特征,分析了其与气候事件的关系.结果表明,近30年中国植被活动显著上升,年平均归一化植被指数(ANDVI)的上升幅度为0.0029/10a(P＜0.05),年最大归一化植被指数(MNDVI)的上升幅度为0.0076/10a(P＜0.01);植被活动显著增强的区域主要是分布在东部季风区的农田和森林生态系统,显著下降的区域主要是分布于西北的荒漠生态系统和东北的森林生态系统;尽管ANDVI和MNDVI线性趋势的显著性有所差异,但农田、森林、草地和水体与湿地生态系统的NDVI总体呈非稳定的上升趋势,上升过程中伴随着较大波动,荒漠生态系统的NDVI呈下降趋势,植被退化显著;与线性趋势不同,各生态系统植被活动的残差趋势包含“上升—下降”两个阶段,并相继于20世纪90年代到21世纪初发生转折;上述5类生态系统的植被活动存在不同尺度的周期特征,年际周期波动特征(1.9—7.6a)比较显著,而年代际周期(10.7a和22.2a)的显著性相对较差;各生态系统的空间异质性在趋强过程中存在2.1-7.1a的年际周期节律;海洋与大气环流的短周期脉动与各生态系统植被活动的周期性节律有着明显关联,ENSO事件和太阳活动是推动植被活动周期性振荡的重要因素.

睡眠状况是评价人体健康状态的重要指标.本文提出一种基于枕下式的无扰睡眠监测系统,通过无扰获取的心率信号测算心率变异性(HRV),并结合隐马尔可夫模型(HMM),在对用户无扰无接触的环境下求解睡眠分期.针对现有HMM睡眠分期存在的问题,提出采用集合经验模态分解(EEMD)消除HRV个体差异导致的分期误差,再求解相应的睡眠分期.试验选取广州医学院呼吸疾病研究所10例不同年龄及性别的无睡眠障碍的院内正常受试者,并与多导睡眠图(PSG)睡眠分期结果相比较.研究结果证明本文所提无扰式睡眠监测方案可实现S1～S4睡眠分期,正确率超过60％,且性能优于现有HMM睡眠分期方案.

基于胸部生物阻抗技术开展对心脏血流动力学参数准确计算的前提是心阻抗微分信号特征点的准确识别.为提高心阻抗微分信号特征点识别的准确率,本文首先设计了自适应集合经验模态和小波阈值降噪技术相结合的信号预处理方法,然后根据自适应集合经验模态分解的结果,结合差分法和自适应分段技术定位了心阻抗微分信号中的A、B、C和X点.本研究以临床上采集到的30例病理性心阻抗微分信号为例,对本文所提算法的特征检测准确度进行检验.研究结果显示,本文所提算法对信号特征的准确识别率总体可达99.72％,进一步保证了基于胸部生物阻抗技术的心脏血流动力学参数的计算准确度.

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.

选取了时间序列良好的MODIS影像,对松嫩平原2000-2015年逐月的温度植被干旱指数(TVDI)进行计算,并结合农业气象站点的相对土壤湿度数据进行对比验证,发现TVDI和相对土壤湿度数据具有良好的相关关系,表明TVDI可以作为表示土壤含水量的指标.重建1 km分辨率的松嫩平原作物生长季(4-10月)表层土壤湿度空间信息数据集,引入集合经验模态分解分析方法探究了松嫩平原土壤湿度的时空变化特征及变化趋势,并探讨了松嫩平原土壤湿度变化对农作物产量的影响.结果 表明,近16年来松嫩平原土壤湿度的时间变化趋势是逐渐变湿,土壤湿度的空间变化趋势是由西南向东北逐渐变湿,极端土壤缺水事件频率呈现出增高的趋势.松嫩平原粮食产量和年均土壤湿度水平显著相关说明粮食产量受到年平均土壤湿度的影响显著,不同季相的土壤湿度对粮食产量的影响程度差异较大,夏季土壤湿度对粮食产量的影响尤为明显.

为了消除运动伪差、高频噪声和基线漂移对光电容积脉搏波(PPG)的影响,得到运动状态下心率的准确值,本文提出了一种基于归一化最小均方差(NLMS)自适应滤波器联合集合经验模态分解(EEMD)分析的PPG信号降噪方法.首先,将含有噪声的PPG信号以3轴加速度传感器为参考信号通过自适应滤波器,滤除其中的运动伪差;其次,将PPG信号通过EEMD分解得到一系列按频率由高到低的固有模态分量(IMF),通过排列熵(PE)准则判断信号的阈值范围,从而滤除其中的高频噪声和基线漂移.实验结果显示,不同运动状态下,降噪后PPG信号的计算心率和基于心电信号(ECG)的标准心率的皮尔逊相关系数为0.731,平均绝对误差百分比为6.10％,从而表明该方法能够准确计算出运动状态的心率,有利于人体运动状态下的生理监测.

基于GIMMS NDVI、温度和降水数据,利用集合经验模态分解(EEMD)、线性回归分析、偏相关分析等方法分析了1982-2015年黄土高原植被覆盖时空变化及其对气候变化的季节响应.结果 表明:年际变化趋势上,1982-2015年黄土高原生长季、春、夏、秋季NDVI均呈显著增长趋势,且各个季节NDVI增加速率逐年升高,尤其以夏季增加速率的变化最为明显;空间上,生长季、春、夏、秋季NDVI均呈由西北向东南递增的趋势,且在大部分地区呈显著上升趋势;线性回归表明,生长季、春、夏、秋季温度均呈显著上升趋势;生长季、秋季降水呈增加趋势,春、夏季降水呈减少趋势.EEMD分析进一步表明,生长季、春、夏、秋季温度均先升高后降低,降水均呈先减少后增加的趋势;空间变化趋势上,温度在生长季、春、夏、秋季大部分地区呈显著上升趋势,降水仅秋季有部分区域呈显著上升趋势;ND-VI与温度在黄土高原东北部及西南部地区呈显著正相关,与降水在黄土高原北部及西北部地区呈显著正相关.

目的:评估2SR(spatial subspace rotation)、POS(plane-orthogonal-to-skin)、Project_ICA和联合盲源分离与集合经验模态分解(joint blind source separation and ensemble empirical mode decomposition,JBSS_EEMD)4种具有代表性的基于远程光电容积脉搏波描记术(remote photoplethysmography,rPPG)的心率估计方法的性能.方法:采集黄种人和黑种人受试者的面部视频用于估计心率,同时用透射式手指脉搏血氧仪采集受试者的参考心率,在静止状态下和运动恢复状态下分别用4种方法估计受试者的心率,并与参考心率进行对比.结果:实验结果表明,在黄种人组处于静止和运动恢复状态以及黑种人组处于静止状态3种场景下,POS和Project_ICA方法的心率估计效果优于2SR和JBSS_EEMD方法.但在黑种人组处于运动恢复状态的场景下,4种方法的心率估计效果都较差.结论:在黄种人组处于静止和运动恢复状态以及黑种人组处于静止状态的场景下,引入皮肤反射模型,可以有效提高基于rPPG的非接触式心率估计方法的准确性.

目的 探讨原发全面强直阵挛癫痫(IGE-GTCS)不同频段[固有模态函数(IMF1～5)]下静息态功能磁共振成像(fMRI)度中心度(DC)的异常.资料与方法 前瞻性收集IGE-GTCS患者19例(GTCS组)和22例健康志愿者(对照组),采集静息态fMRI数据.采用互补集合经验模态分解(CEEMD)方法 对fMRI振荡信号进行分频计算,比较两组受检者重要节点属性DC的差异.提取组间差异脑区DC与国立医院癫痫发作严重程度量表(NHS3)评分,并进行相关性分析.结果 在不同振荡频率下与对照组相比,GTCS组DC值增高的脑区主要集中在默认网络(DMN)的重要节点,DC减低的脑区主要包括双侧丘脑、左侧豆状核及部分DMN脑网络节点(P<0.05).IMF4亚频段:GTCS组NHS3评分与后扣带回的平均DC呈正相关(r=0.65,P<0.05),与内侧颞叶的平均DC呈负相关(r=-0.51,P<0.05);IMF3亚频段:GTCS组NHS3评分与前扣带回的平均DC呈负相关(r=-0.50,P<0.05);IMF1亚频段:GTCS组NHS3评分与后扣带回呈正相关(r=0.54,P<0.05).结论 GTCS患者在不同频段下默认网络节点属性DC值异常反映了GTCS患者脑功能整合异常,有助于进一步揭示GTCS的发病机制,并为其后续研究提供参考.