换一批基于CEEMDAN的脑组织氧信号处理算法及其应用
Brain Tissue Oxygen Signal Processing Algorithm and Application Based on CEEMDAN
摘要目的 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.
更多相关知识
关键词
脑血氧经验模态分解排列熵近红外光谱三波长cerebral oxygenempirical mode decompositionpermutation entropynear infrared spectrumthree wavelengths
栏目名称
DOI
10.3969/j.issn.1674-1633.2024.07.003
发布时间
2024-07-23（万方平台首次上网日期，不代表论文的发表时间）
- 浏览21
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
