【脑电信号】基于matlab小波变换睡眠脑电信号监测【含Matlab源码 595期】
一、小波变换睡眠脑电信号监测简介
理论知识参考文献:小波变换应用于麻醉监测脑电分析研究
二、部分源代码
data0=rand(1,9999); %脑电信号原始数据
tm=0.02; %采样时间间隔
td=1:tm:30; %取时间1-30秒
data=data0(1:(30-1)/tm+1); %1-30秒的数据
figure(1)
subplot(211);
plot(td,data); xlabel('时间(秒)'),ylabel('脑波电压'),title('1-30s脑电图波');%fft变换
Fs=1000;
n=length(data);
data1=fft(data,n);%傅里叶变换%
df=Fs/length(data1); %频域分辨率
Fx=df*(0:length(data1)-1); %将横轴变为频率轴%
figure(1);
subplot(212);
plot(Fx,abs(data1)); %绘制脑电波信号的频谱图%
axis([0 150 0 60]);
title('频谱图');xlabel('频率/Hz');ylabel('幅值'); %信号预处理
%低通滤波——巴特沃斯滤波器Fs=1000; fp=30; fs=40; Ap=1; As=30;
Wp=fp/(Fs/2);%计算归一化角频率
Ws=fs/(Fs/2);
[N,Wc]=buttord(Wp,Ws,Ap,As);%计算阶数和截止频率
[b,a]=butter(N,Wc,'low');%计算H(z)分子、分母多项式系数
[H,F]=freqz(b,a,500,Fs);%计算H(z)的幅频响应,freqz(b,a,计算点数,采样速率)
figure(2)
subplot(2,2,2) ;
plot(F,20*log10(abs(H))) ;
xlabel('频率(Hz)'); ylabel('幅度(dB)')
axis([0 100 -30 3]);
grid on ;
subplot(2,2,1)
plot(F,abs(H));
xlabel('频率(Hz)');ylabel('幅度 ') ;title('低通滤波器');axis([0 100 0 2]); grid on;subplot(2,2,3);pha=angle(H)*180/pi;plot(F,pha);xlabel('频率(Hz)');
ylabel('相位(dB)')
axis([0 100 -200 200]);
grid on;
%
%
%用低通巴特沃斯滤波器
Q=filter(b,a,data);
figure(3)
subplot(211);
plot(td,Q);
title('过巴斯后时域图');xlabel('时间');ylabel('幅值');
%fft变换
n=length(Q);
Q1=fft(Q,n);%傅里叶变换%
df=Fs/length(Q1); %频域分辨率
Fx=df*(0:length(Q1)-1); %将横轴变为频率轴%
figure(3);
subplot(212);
plot(Fx,abs(Q1)); %绘制脑电波信号的频谱图%
axis([0 50 0 60]);
title('频谱图');xlabel('频率/Hz');ylabel('幅值'); %
%------小波阈值去噪
%------软阈值小波去噪
[c,s]=wavedec2(Q,2,'db5');
[thr,sorh,keepapp] = ddencmp('den','wv',Q);
[xc,cxc,lxc,perf0,perfl2]=wdencmp('gbl',Q,'sym4',2,thr,sorh,keepapp);%
figure(4);
subplot(211);
plot(td,xc);
title('小波去噪后时域图');xlabel('时间');ylabel('幅值');
u=xc;%fft变换
n=length(xc);
xc1=fft(xc,n);%傅里叶变换%
df=Fs/length(xc1); %频域分辨率
Fx=df*(0:length(xc1)-1); %将横轴变为频率轴%
figure(4);
subplot(212);
plot(Fx,abs(xc1)); %绘制声音信号的频谱图%
axis([0 60 0 100]);
title('小波去噪后频谱图');xlabel('频率/Hz');ylabel('幅值'); %-- 第一段波过带通滤波器------------
n=length(xc);
fs=[0.1,5];fp=[0.5,3];
fo=1200; %采样频率
wp=2.*fp./fo;ws=2.*fs./fo;
rp=1;as=40;
f = design(fdesign.bandpass(fs(1),fp(1),fp(2),fs(2),as,rp,as,fo),'butter');
y1=filter(f,xc);yt1=fft(y1,n);
df=Fs/length(yt1); %频域分辨率
Fx=df*(0:length(yt1)-1); %将横轴变为频率轴%
figure(5);
subplot(3,1,1),plot(td,y1);
xlabel('时间(秒)'),ylabel('脑波电压'),title('1-30s第一阶段脑电图波');
subplot(3,1,2);
plot(Fx,abs(yt1)); %绘信号的频谱图%
axis([0 6 0 100]);
title('第一阶段频谱图');xlabel('频率/Hz');ylabel('幅值');
%功率谱
fs=800;ts=1/fs;
t=0:ts:2;
nfft=64;
power1=(norm(y1)^2/length(y1+1));
spow1=abs(fft(y1,nfft).^2);
f=(0:nfft-1)/ts/nfft;
f=f-fs/2;
figure(5);
subplot(3,1,3);
plot(f,fftshift(spow1),'k');
title('第一阶段功率谱图');xlabel('频率');ylabel('功率谱');
disp(['power1=',num2str(power1),'.']);%-- 第二段波过带通滤波器------------
n=length(u);
fs=[3,9];fp=[4,7];
fo=1200; %采样频率
wp=2.*fp./fo;ws=2.*fs./fo;
rp=1;as=40;
f = design(fdesign.bandpass(fs(1),fp(1),fp(2),fs(2),as,rp,as,fo),'butter');
y2=filter(f,u);yt2=fft(y2,n);
df=Fs/length(yt2); %频域分辨率
Fx=df*(0:length(yt2)-1); %将横轴变为频率轴%
figure(6);
subplot(3,1,1);
plot(td,y2);
xlabel('时间(秒)');ylabel('脑波电压');title('1-30s第二阶段脑电图波');
subplot(3,1,2);
plot(Fx,abs(yt2)); %绘信号的频谱图%
axis([2 15 0 50]);
title('第二阶段频谱图');xlabel('频率/Hz');ylabel('幅值');
%功率谱
fs=800;ts=1/fs;
t=0:ts:2;
nfft=64;
power2=(norm(y2)^2/length(y2+1));
spow2=abs(fft(y2,nfft).^2);
f=(0:nfft-1)/ts/nfft;
f=f-fs/2;
figure(6);
subplot(3,1,3);
plot(f,fftshift(spow2),'k');
title('第一阶段功率谱图');xlabel('频率');ylabel('功率谱');
disp(['power2=',num2str(power2),'.']);%-- 第三段波过带通滤波器------------
n=length(u);
fs=[7,14];fp=[8,13];
fo=1200; %采样频率
wp=2.*fp./fo;ws=2.*fs./fo;f = design(fdesign.bandpass(fs(1),fp(1),fp(2),fs(2),as,rp,as,fo),'butter');
y3=filter(f,u);df=Fs/length(yt3); %频域分辨率
Fx=df*(0:length(yt3)-1); %将横轴变为频率轴%
figure(7);
subplot(3,1,1);
plot(td,y3);
xlabel('时间(秒)');ylabel('脑波电压');title('1-30s第三阶段脑电图波');
subplot(3,1,2);
plot(Fx,abs(yt3)); %绘信号的频谱图%
axis([4 16 0 30]);
title('第三阶段频谱图');xlabel('频率/Hz');ylabel('幅值');
%功率谱
fs=800;ts=1/fs;
t=0:ts:2;
nfft=64;
power3=(norm(y3)^2/length(y3+1));
spow3=abs(fft(y3,nfft).^2);
f=(0:nfft-1)/ts/nfft;
f=f-fs/2;
figure(7);
subplot(3,1,3);
plot(f,fftshift(spow3),'k');
title('第三阶段功率谱图');xlabel('频率');ylabel('功率谱');
disp(['power3=',num2str(power3),'.']);
三、运行结果
四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1] 沈再阳.精通MATLAB信号处理[M].清华大学出版社,2015.
[2]高宝建,彭进业,王琳,潘建寿.信号与系统——使用MATLAB分析与实现[M].清华大学出版社,2020.
[3]王文光,魏少明,任欣.信号处理与系统分析的MATLAB实现[M].电子工业出版社,2018.
[4]徐洁.基于小波分析的脉搏波信号处理[J].电子设计工程. 2013,21(11)
[5]莫玮.小波变换应用于麻醉监测脑电分析研究[J].桂林电子工业学院学报. 1997,(04)
【脑电信号】基于matlab小波变换睡眠脑电信号监测【含Matlab源码 595期】相关推荐
- 【Matlab图像融合】小波变换遥感图像融合【含GUI源码 744期】
一.代码运行视频(哔哩哔哩) [Matlab图像融合]小波变换遥感图像融合[含GUI源码 744期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 包子阳,余 ...
- 【Matlab脑电信号】小波睡眠监测【含源码 595期】
一.代码运行视频(哔哩哔哩) [Matlab脑电信号]小波睡眠监测[含源码 595期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 沈再阳.精通MATLAB ...
- 【Matlab生物电信号】生物电信号仿真【含GUI源码 684期】
一.代码运行视频(哔哩哔哩) [Matlab生物电信号]生物电信号仿真[含GUI源码 684期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]董兵,超于毅,李 ...
- 【Matlab语音分析】语音信号分析【含GUI源码 1718期】
一.代码运行视频(哔哩哔哩) [Matlab语音分析]语音信号分析[含GUI源码 1718期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]韩纪庆,张磊,郑铁 ...
- 【Matlab验证码识别】遗传算法和最大熵优化+大津法(OTSU)+自定义阈值数字验证码识别【含GUI源码 1694期】
一.代码运行视频(哔哩哔哩) [Matlab验证码识别]遗传算法和最大熵优化+大津法(OTSU)+自定义阈值数字验证码识别[含GUI源码 1694期] 二.matlab版本及参考文献 1 matlab ...
- 【Matlab人脸识别】BP神经网络人脸识别(含识别率)【含GUI源码 891期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]BP神经网络人脸识别(含识别率)[含GUI源码 891期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] ...
- 【Matlab人脸识别】形态学教室人数统计(带面板)【含GUI源码 1703期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]形态学教室人数统计(带面板)[含GUI源码 1703期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟 ...
- 【Matlab人脸识别】人脸实时检测与跟踪【含GUI源码 673期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]人脸实时检测与跟踪[含GUI源码 673期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟逸凡,柳益君 ...
- 【Matlab语音加密】语音信号加密解密(带面板)【含GUI源码 181期】
一.代码运行视频(哔哩哔哩) [Matlab语音加密]语音信号加密解密(带面板)[含GUI源码 181期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]韩纪庆 ...
- 【Matlab身份证识别】身份证号码识别【含GUI源码 014期】
一.代码运行视频(哔哩哔哩) [Matlab身份证识别]身份证号码识别[含GUI源码 014期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MAT ...
最新文章
- 2014百度之星 Xor Sum(字典树+贪心)
- 让word不显示计算机名作者,如何使word在其他电脑上也不显示回车符
- linux文件中链接文件系统,一种基于Linux文件系统文件链接的缓存LRU方法
- ifdown eth0 idup eth0 ifdown --exclude=l0 -a ifup --exclude=lo -a
- 【maven】 pom.xml内容没有错,但一直报错红叉 解决办法
- apache服务器配置tls_Apache服务器配置https
- 巨量引擎2021食品饮料行业白皮书
- 怎么让两个ajax依次执行,AJAX请求如何依次执行。
- 学Python的女生好不好找工作?
- I00012 打印三位数的水仙花数及其个数
- 在MFC中调用DLL .
- GIS笔记_普通tif文件转成array数组 c#
- STC单片机代码烧录
- 智能语音概念界定及技术架构
- Rect、RectF方法解析
- linux访问网络图片,linux网络图形监控方法
- CSI笔记【3】:多进多出/MIMO技术
- shader镜面反射(Reflection)
- 区间选点(贪心,区间问题)
- 编程的各种骚操作(一)
热门文章
- 写出质量好软件的75条体会-转载篇
- 如何在Java应用中提交Spark任务?
- 【jQuery】JQuery-ui autocomplete与strtus2结合使用
- 重温.NET Remoting(一)
- 在winform里怎么调用WebBrowser控件里的脚本 (转自思归呓语)
- 20200615每日一句
- Photoshop 常用快捷键
- 计算机和机械交叉学科会议期刊,机器视觉相关的研究团队
- Atitit 语言的异常机制 目录 1. 异常处理,英文名为exceptional handling, 是代替日渐衰落的error code方法的新法,	1 2. 三种模式	1 2.1. 终止模式
- Atitit WatchService 使用和不能监控抓取到的解决 原因是生成速度太快,但处理速度慢,导致许多event 忽视了.. How to solu??? asyn to process