期刊文献+

基于时频分析自动识别睡眠脑电的梭形波 被引量:4

Automated Recognition of Spindles in Sleep Electroencephalogram Based on Time-Frequency Analysis
下载PDF
导出
摘要 为了识别睡眠脑电图 (EEG)中出现的梭形波 ,使用Choi Williams分布对EEG信号进行时频变换 ,根据瞬时频谱估计局部范围里EEG的波形特征 ,在此基础上设计了一个自动识别睡眠EEG中梭形波的方法 ,对实际睡眠EEG中的梭形波进行识别 ,识别正确率为 85 0 4 % ,并且能够提供梭形波的定量指标 .实验结果表明 ,经过进一步完善 。
作者 宦飞 郑崇勋
出处 《西安交通大学学报》 EI CAS CSCD 北大核心 2002年第2期218-220,共3页 Journal of Xi'an Jiaotong University
基金 国家自然科学基金资助项目(39970 2 0 4 )
  • 相关文献

参考文献8

  • 1[1]Smith J, Karacan I, Yang M. Automated analysis of the human sleep EEG [J]. Waking and Sleeping, 1978, 2: 75~83. 被引量:1
  • 2[2]Stanus E, Lacroix B, Kerkhofs M, et al. Automated sleep coring: a comparative reliability study of two algorithms [J]. Electroencephalography and Clinical Neurophysiology, 1987, 66: 448~454. 被引量:1
  • 3[3]Pricipe J, Gala S K, Chang T G. Sleep staging automaton based on the theory of evidence [J]. IEEE Transaction on Biomedical Engineering, 1987, 36(5): 503~509. 被引量:1
  • 4[4]Schaltenbrand N, Lengelle R, Macher J P. Neural network model: application to automatic analysis of human sleep [J]. Computer and Biomedical Research, 1993, 26: 157~171. 被引量:1
  • 5[5]Doman J, Detka C, Hoffman T, et al. Automating the sleep laboratory: implementation and validation of digital recording and analysis [J]. International Journal of Bio-medical Computing, 1995, 38: 277~290. 被引量:1
  • 6[6]Pradhan N, Sadasivan P K. The nature of dominant Lyapunov exponent and attractor dimension curve of EEG in sleep [J]. Comput Biol Med, 1996, 26: 419~428. 被引量:1
  • 7[7]Choi H, Williams W J. Improved time-frequency representation of multi-component signals using exponential kemels [J]. IEEE Transaction on Acoustics, Speech, and Signal Processing, 1989, 37(6): 861~871. 被引量:1
  • 8[8]Jones D L, Parks T W. A resolution comparison of several time-frequency representations [J]. IEEE Transactions on Signal Processing, 1992, 40(2): 413~420. 被引量:1

同被引文献36

引证文献4

二级引证文献15

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部