导读:本文包含了非线性能量算子论文开题报告文献综述及选题提纲参考文献，主要关键词:小波变换,非线性能量算子,动作电位,阈值检测
非线性能量算子论文文献综述
杨晓锋,吕晓迎,王志功[1]（2013）在《基于非线性能量算子的神经信号动作电位的检测》一文中研究指出神经信号最有用的信息都包含在动作电位中,但是在神经信号的采集过程中会产生大量的噪声干扰,因此需要有效的方法将动作电位从神经信号中检测出来。在小波变换的基础上对噪声信号有效去除后,将非线性能量算子运用于神经信号动作电位的检测中,利用信号的瞬时频率和幅值,可以提高动作电位的检出率和准确率。(本文来源于《第十八届全国青年通信学术年会论文集（上册）》期刊2013-11-30）
赵建林[2]（2013）在《基于非线性能量算子的信号分类检测方法》一文中研究指出本文研究了用传统的非线性能量算子的方法来提取典型癫痫发作脑电信号特征和癫痫发作间歇期脑电信号特征,而后将这两类信号送入SVM训练,建立模型,进而利用训练模型区分这两类信号,具有一定的实用意义。(本文来源于《电子制作》期刊2013年19期）
许志猛,钱慧,余轮[3]（2012）在《基于非线性Teager能量算子的TEO-PPM超宽带接收机》一文中研究指出针对基于能量检测的脉冲位置调制超宽带接收机对环境中的窄带干扰敏感的缺点,提出一种基于非线性Teager能量算子(TEO)的TEO-PPM超宽带接收机结构.通过TEO的非线性处理,使窄带干扰信号搬移到低频段,从而可以通过一个模拟高通滤波器将其滤除.仿真结果表明,提出的TEO-PPM超宽带接收机可以有效抑制窄带干扰.相对于传统基于能量检测的PPM超宽带接收机,TEO-PPM接收机的性能提升明显且实现复杂度增加不多,可以较好地适用于低成本和低实现复杂度的应用环境.(本文来源于《福州大学学报(自然科学版)》期刊2012年06期）
王清波,代建华,章怀坚,郑筱祥[4]（2011）在《基于非线性能量算子和匹配滤波的锋电位检测与分类》一文中研究指出对神经电活动的研究,需要对记录的神经锋电位(spike)进行检测和分类。传统的锋电位检测与分类的过程受噪声影响很大,尤其是在锋电位分类的过程中,由于神经信号采集很难达到高的信噪比,因此研究较低信噪比下检测与分类的算法具有重要的意义。本文提供了一种运算简单的神经信号锋电位的检测与分类算法。针对锋电位的检测,本文使用非线性能量算子(NEO)来提高信噪比。在锋电位分类过程中,通过获取不同类别锋电位的模板构建匹配滤波器,对检出的锋电位在不同滤波器下进行滤波,确定锋电位对锋电位模板的相关性,然后使用非线性能量算子来加强相关性,从而确定分类。通过使用自主设计的大鼠神经信号双通道采集系统采集到仿真数据(数据由NSS-128的神经信号模拟器产生),获得了可准确量度的标准数据,通过在这组数据上加不同程度的噪声,测试文章提到的算法。在检测方面,信噪比有约5倍的提升。分类方面相比单纯的匹配滤波,在一定的信噪比范围内,正确率由90%提升到100%。同时采集了部分实际神经数据,并用文中的检测方法进行了测试。(本文来源于《仪器仪表学报》期刊2011年01期）
董红生,张爱华,郝晓弘[5]（2009）在《基于非线性能量算子的心电信号R波检测方法》一文中研究指出将Marr小波变换和非线性能量算子相结合实现了心电信号的R波检测,心电信号的Marr小波分解信号很好地抑制了各种噪声干扰,结合非线性能量算子运算可突出了QRS波的特征点,使得阈值检测便于实施,利用修正策略提高了R波检测率,经MIT/BIH标准心律失常数据库验证,R波的检测率可达到99.7%,该方法对于心电信号的自动分析系统具有应用价值。(本文来源于《计算机测量与控制》期刊2009年12期）
刘新文,钱志余,王惠南,杨天明[6]（2007）在《基于小波变换和非线性能量算子的神经元放电检测》一文中研究指出微电极导向的立体定向手术中,微电极记录的神经元放电信号噪声干扰严重,信噪比变化大,影响着神经元放电脉冲的分析。利用小波变换和非线性能量算子相结合的一种新的方法能检测出神经元放电。通过对临床不同病人、不同特点的神经元放电信号处理,结果表明:该方法能成功地检测出细胞放电,提取出放电波形。(本文来源于《生物医学工程学杂志》期刊2007年05期）
李强,杨基海,陈香,褚雪忠[7]（2006）在《基于非线性能量算子的表面肌电信号MUAP发放检测》一文中研究指出采用基于平滑非线性能量算子(smoothednonlinearenergyoperator,SNEO)的方法对表面肌电(surfaceEMG,SEMG)信号运动单位动作电位(motorunitactionpotential,MUAP)的发放信息进行检测,提出一种能较精确确定MUAP发放数目的阈值检测方法。利用这些方法分别对肌肉轻度收缩和中度收缩时的SEMG信号进行了MUAP发放检测实验,结果表明,对于轻度收缩时的SEMG信号,本文的方法十分有效,而对中度收缩时的SEMG信号也能获得比较满意的检测结果。(本文来源于《北京生物医学工程》期刊2006年04期）
高慧,苏广川,陈善广[8]（2005）在《基于Teager能量算子(TEO)非线性特征的语音情绪识别》一文中研究指出目的探索识别汉语语音情绪的有效识别特征。方法采用基于Teager能量算子(TEO)的非线性特征,通过马尔可夫模型法(HMM),从汉语语音中识别平静和生气、欢快、悲伤4种情绪。结果文本有关时,5个非线性特征:基于频域TEO的Mel倒谱系数(nonlinear frequency domain Mel,NFD-Mel)、基于幅频特性的Mel倒谱参数(am plitude and frequency property Mel,AF-Mel)、基于微分幅频特性的Mel倒谱参数(am plitude and frequency property Mel of differential,DAF_Mel)、基于幅度调制的子带倒谱参数(AM-based SBCC,AM_SBCC)及基于幅频调制的子带倒谱参数(AMFM-based SBCC,AMFM-SBCC)的情绪识别性能全部高于Mel频率倒谱参数(Mel-scaled cepstrum coefficients,MF-CC)。文本无关时,NFD-Mel、AF-Mel、DAF-Mel的识别率高于MFCC,AM_SBCC、AM FM-SBCC的情绪识别率低于MFCC。结论结合非线性TEO的识别特征NFD-Mel、AF-Mel、DAF-Mel可有效提高情绪识别性能。(本文来源于《航天医学与医学工程》期刊2005年06期）
非线性能量算子论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文研究了用传统的非线性能量算子的方法来提取典型癫痫发作脑电信号特征和癫痫发作间歇期脑电信号特征,而后将这两类信号送入SVM训练,建立模型,进而利用训练模型区分这两类信号,具有一定的实用意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非线性能量算子论文参考文献
[1].杨晓锋,吕晓迎,王志功.基于非线性能量算子的神经信号动作电位的检测[C].第十八届全国青年通信学术年会论文集（上册）.2013
[2].赵建林.基于非线性能量算子的信号分类检测方法[J].电子制作.2013
[3].许志猛,钱慧,余轮.基于非线性Teager能量算子的TEO-PPM超宽带接收机[J].福州大学学报(自然科学版).2012
[4].王清波,代建华,章怀坚,郑筱祥.基于非线性能量算子和匹配滤波的锋电位检测与分类[J].仪器仪表学报.2011
[5].董红生,张爱华,郝晓弘.基于非线性能量算子的心电信号R波检测方法[J].计算机测量与控制.2009
[6].刘新文,钱志余,王惠南,杨天明.基于小波变换和非线性能量算子的神经元放电检测[J].生物医学工程学杂志.2007
[7].李强,杨基海,陈香,褚雪忠.基于非线性能量算子的表面肌电信号MUAP发放检测[J].北京生物医学工程.2006
[8].高慧,苏广川,陈善广.基于Teager能量算子(TEO)非线性特征的语音情绪识别[J].航天医学与医学工程.2005