基于DSP Builder的腦電信號(hào)小波處理

1、基于dsp builder的腦電信號(hào)小波處理腦電信號(hào)eeg(electroencephalograph)是人體一種基本生理信號(hào)，具有重要的臨床診斷和醫(yī)療價(jià)值。南于腦電信號(hào)自身具有非平穩(wěn)性隨機(jī)的特點(diǎn)，因此，對(duì)其實(shí)時(shí)濾波具有相當(dāng)難度。自從berger 1929年發(fā)覺腦電信號(hào)以來，人們采納多種數(shù)字信號(hào)處理技術(shù)處理分析腦電信號(hào)，因?yàn)閭鹘y(tǒng)的濾波去噪辦法所用普通具有低通特性，因此采納經(jīng)典濾波法對(duì)非平穩(wěn)信號(hào)去噪，降低噪聲，展寬波形，平滑信號(hào)中突變尖峰的成分，但可能損失這些突變點(diǎn)攜帶的重要信息，而傅里葉頻譜分析僅是一種純頻率分析辦法，該辦法對(duì)時(shí)變的非平穩(wěn)腦電信號(hào)無(wú)效。與傳統(tǒng)的傅里葉變換相比較，小波變換是一種多

2、尺度信號(hào)分析辦法，具有良好的時(shí)頻局部化特性，十分適合分析非平穩(wěn)信號(hào)的瞬態(tài)特性和時(shí)變特性，這正是分析 eeg所需要的，eeg中許多病變都是以瞬態(tài)形式表現(xiàn)的。惟獨(dú)結(jié)合時(shí)光和頻率舉行處理，才干取得更好效果。但小波分解每次只分解上次分解的低頻部分，而不分解高頻部分，所以高頻段辨別率較差。而小波包分解是一種從小波分解延長(zhǎng)出的更細(xì)致的分解和重構(gòu)信號(hào)的辦法，它不但分解低頻部分，而且還能二次分解高頻部分，能夠很好地將頻率辨別率調(diào)節(jié)到與腦電節(jié)律特性相全都，因此小波包分解具有更好的濾波特性。若將小波包辦法引入腦電信號(hào)分析不僅可以克服傳統(tǒng)腦電分析的不足還可以改進(jìn)mallat算法分析實(shí)際腦電中的不足。腦電信號(hào)的數(shù)字處

3、理以往采納通用pc機(jī)或?qū)崿F(xiàn)，存在實(shí)時(shí)性差等缺點(diǎn)。隨之，基于的小波變換在腦電信號(hào)數(shù)字處理中應(yīng)運(yùn)而生，其實(shí)時(shí)性好。 builder將matlab/simulink設(shè)計(jì)工具的算法開發(fā)、模擬和驗(yàn)證功能和 ii軟件的hdl綜合、模擬和驗(yàn)證功能相結(jié)合，為小波變換的fpga提供良好的平臺(tái)。2 一維離散小波(1d-dwt)mallat改進(jìn)算法多辨別率分析是小波分析的核心理論，其mallat算法是信號(hào)小波分解和重構(gòu)的常用算法。正交小波的分解和重構(gòu)公式由尺度函數(shù)的尺度方程系數(shù)確定。假設(shè)構(gòu)造正交小波的尺度函數(shù)(t)的兩尺度方程為：式中，g(n)=(-1)n-1h(2n-n-1)，n為自然數(shù)常數(shù)。設(shè)信號(hào)為：因?yàn)?-t

4、)和(t-s)為構(gòu)造正交小波的多辨別率分析尺度函數(shù)，因此上述分解和重構(gòu)公式中取h(n)為h(-n)或h(n-s)均可。為了研究便利，且不失普通性，可將上述分解公式和重構(gòu)公式重寫為：帶入式(9)得：則c0(k)=c0(k-2n-1)，式(13)得到的信號(hào)是式(12)得到信號(hào)的延遲。因?yàn)樾蛄衕(n)和g(n)為因果序列，所以式(13)對(duì)應(yīng)的濾波器為因果濾波器。采納式(7)和式(8)繼續(xù)分解信號(hào)低頻重量或低頻重量與高頻重量可得多級(jí)分解或小波包分解。3 基于dsp builder的小波變換設(shè)計(jì)實(shí)現(xiàn)考慮到瞬態(tài)脈沖信號(hào)的短時(shí)性，挑選具有緊支集的daubenchies小波作為分析小波，這樣有利于突出瞬態(tài)信號(hào)

5、特征，db小波函數(shù)具有良好的正交性和緊支撐性，可較好地表現(xiàn)頻域信號(hào)的延續(xù)性和突變性，在實(shí)際工程應(yīng)用中效果較好。故這里采納db小波對(duì)腦電信號(hào)舉行4級(jí)分解重構(gòu)。濾除腦電信號(hào)中存在的直流成分或緩慢基線漂移。選取db2小波，此時(shí)m=3，且低通濾波系數(shù)(尺度函數(shù)系數(shù))如下：因?yàn)楦↑c(diǎn)數(shù)在fpga中實(shí)現(xiàn)比較復(fù)雜，為了削減fpga的運(yùn)算量和資源，可將濾波計(jì)算轉(zhuǎn)換為整數(shù)運(yùn)算和移位運(yùn)算，為此首先需將以上濾波器系數(shù)轉(zhuǎn)化為整數(shù)，對(duì)每個(gè)濾波器系數(shù)采納16位字進(jìn)步行量化，即乘以215后取整數(shù)，而對(duì)濾波器的輸出信號(hào)有移15位即得到實(shí)際輸出。以dsp builder為平臺(tái)，對(duì)式(7)、式(8)和式(13)算法舉行系統(tǒng)級(jí)建模、

6、仿真，再利用signal compiler生成hdl文件，然后利用quartus ii舉行時(shí)序仿真驗(yàn)證。31 dsp builder實(shí)現(xiàn)ld-dwt分解分解模塊的結(jié)構(gòu)1所示。信號(hào)并行從4級(jí)延遲線輸出，與fir濾波器系數(shù)舉行卷積，然后再偶抽取便可得到近似部分和詳情部分的結(jié)果。二次抽取模塊采納dsp builder的下采樣模塊，利用signal compiler生成hdl文件。為了削減系統(tǒng)耗用的硬件資源，舍去輸出結(jié)果的低8位，保證分解前后信號(hào)保持同樣能量級(jí)。從圖1中可知，各個(gè)子模塊并行工作，子模塊之間無(wú)需任何交錯(cuò)信號(hào)，數(shù)據(jù)從輸入端以流水線的方式向后傳遞，實(shí)現(xiàn)實(shí)時(shí)流水線工作。二級(jí)分解模塊的設(shè)計(jì)原理同

7、一級(jí)分解模塊。32 dsp builder實(shí)現(xiàn)1d-dwt重構(gòu)由mallat算法可知重構(gòu)模塊的結(jié)構(gòu)2所示。首先對(duì)信號(hào)二次插值，然后信號(hào)并行從四級(jí)延遲線輸出，分離與fir濾波器系數(shù)舉行卷積，與分解不同的是重構(gòu)有兩路信號(hào)輸入，經(jīng)過四級(jí)延遲后并行分離與fir濾波器卷積，得到的結(jié)果再疊加便可得到重構(gòu)信號(hào)，接著利用signal compiler生成hdl文件，重構(gòu)模塊也是以流水線方式工作的。二次捕值模塊由dsp builder的上采樣模塊實(shí)現(xiàn)。4 仿真與設(shè)計(jì)選定一組原始數(shù)據(jù)1，2，3，4，5，6，7，8，9，10，11，同時(shí)作為輸入信號(hào)，利用圖1生成的hdl文件，在quartus ii環(huán)境下時(shí)序仿真，圖

8、3為一級(jí)小波分解時(shí)序仿真波形。利用圖2生成的hdl文件，同時(shí)把圖3低頻高頻的輸出結(jié)果作為重構(gòu)輸入數(shù)據(jù)，舉行一級(jí)小波重構(gòu)仿真，仿真波形4所示。由圖3、圖4可以看出，重建后波形除有延遲外，其重建波形無(wú)失真，并能完善重構(gòu)原信號(hào)，即輸入、輸出滿足q(n)=xin(n- k)。利用小波變換的多尺度分解和重構(gòu)辦法濾除信號(hào)的某些成分(高頻或低頻)，采納db2小波對(duì)腦電信號(hào)舉行四級(jí)小波包分解，根據(jù)小波包分解原理，級(jí)聯(lián)一級(jí)分解模塊，每經(jīng)一次分解輸入的一串?dāng)?shù)據(jù)降為本來的一半采納分頻模塊控制各級(jí)時(shí)鐘信號(hào)，分頻模塊由語(yǔ)言編寫生成同步輸出3個(gè)時(shí)鐘信號(hào)，以此作為后三級(jí)分解的時(shí)鐘輸入信號(hào)。然后對(duì)分解后的輸出信號(hào)舉行四級(jí)小波包重構(gòu)，按同樣方式處理，級(jí)聯(lián)一級(jí)重構(gòu)模塊，每重構(gòu)一次輸出數(shù)據(jù)都增為本來的2倍。嘗試采納鎖相環(huán)控制各級(jí)時(shí)鐘信號(hào)，鎖相環(huán)由quartus ii自帶的功能模塊實(shí)現(xiàn)，同時(shí)輸出3個(gè)倍頻時(shí)鐘信號(hào)，作為后i級(jí)重構(gòu)部分的輸入時(shí)鐘信號(hào)。5 結(jié)論利用信號(hào)的小波包分解高辨別率的時(shí)頻關(guān)系在濾波部分選取因果濾波器對(duì)腦電信號(hào)舉行實(shí)時(shí)濾波。在dsp