式(7)中，Ws(t,ω)为s(t)的Wigner分布；Wh(ak,bk,t，ω)为小波基h(ak,bk,t)的Wigner分布；最后一项为交叉项，因为
Wh(ak,bk,t,ω)dtdω=1在不损s(t)的总能量的情况下可去掉(7)式中的交叉项，从而得到没有交叉项的一种新的时频能量分布函数：
(8)
其估计值为
(9)
用上述方法得到的时频能量分布，经实验表明，时频域分辨率高于短时傅里叶变换(STFT)，与离散Wigner分布(DWD)相当 ，但没有因交叉干扰，而在某些区域产生的伪峰。故在真实准确反映离散信号在各个时刻所包含的频率成分方面，此方法优于STFT和DWD。
2 结果与讨论
2.1 脑电信号压缩
根据前述方法，我们对某一时段(T＝4s)的痫样脑电特征波(数字化采样频率200 Hz，共800个数据点)进行了压缩研究。将其脑电图的全部数据作为训练集，时间作为输入，幅度作为目标输出，共采用了18个小波基进行训练，将wk,ak初始值定为随机数，为了加快网络收敛速度及避免误差局部最小，以波峰和波谷等所对应的时间作为bk的初始值，训练次数为150次。开始步长分别为αw=10-2；αa=αb=10-7，训练结束后输出误差E为0.00975，将全部采样时间点作为输入对谱图进行了恢复，输出误差E也为0.00975。图1分别给出了该时段的原始和恢复后的脑电波图。
可以看出恢复后的脑电图谱能很好地保持原有图谱的特征。特别是能够较准确地反映波峰的位置和幅度。这样脑电信号原始波形的幅度数据，可以用18组wk,bk和ak共54个参数表示出来，从而实现了其信号的压缩，压缩比约为15∶1，效果是理想的。
上一页 1 2 3 [4] 5 6 7 下一页
