论文部分内容阅读
本研究提出一种基于经验模式分解(empirical mode decomposition,EMD)与样本熵的癫痫预测方法;该方法首先对原始信号进行了经验模态分解,将其分解为多个平稳的固有模态函数(intrinsic mode function,IMF)之和,再选取若干个包含主要癫痫预报信息的IMF分量,将其求和后,计算其样本熵(sample entropy,SampEn)。结果表明,癫痫发作前期样本熵呈减小趋势,基于EMD的样本熵其减小幅度显著增加,同时抑制了伪差对实验结果的影响。基于经验模式分解与样本熵