脑电信号基于matlab小波睡眠监测含Matlab源码 595期

Posted 紫极神光

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了脑电信号基于matlab小波睡眠监测含Matlab源码 595期相关的知识,希望对你有一定的参考价值。

一、简介

基于matlab的脑电波睡眠监测

二、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

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

四、备注

版本:2014a

完整代码或代写加1564658423

以上是关于脑电信号基于matlab小波睡眠监测含Matlab源码 595期的主要内容,如果未能解决你的问题,请参考以下文章

脑电信号基于matlab小波变换+样本熵的癫痫脑电信号特征提取含Matlab源码 1154期

语音识别基于支持向量机SVM实现脑电信号分期睡眠监测matlab 源码

脑电信号基于matlab小波变换DWT脑电信号ECG去噪含Matlab源码 1622期

数字信号分析基于matlab小波变换气象数据分析(小波系数小波方差小波模小波模平方)含Matlab源码 2409期

数字信号去噪基于matlab小波阙值数字信号去噪和求信噪比含Matlab源码 2191期

图像融合基于matlab低频融合策略小波图像融合含Matlab源码 2319期