學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73894

Browse

Subject: search.filters.subject.Empirical Mode Decomposition

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    使用迭代式高斯法與傾斜極值篩選法解決經驗模態分解法中的混波現象
    (2011) 陳良榮; Liang-Jung Chen
    1998年黃鍔等人提出了一種可以用來處理非線性、非穩態訊號的時頻分析工具，經驗模態分解法(Empirical mode decomposition, EMD)。經驗模態分解法可以將訊號拆解成數個零均值、近似單成分的本質模態函數(Intrinsic Mode Function, IMF)。可以比傅立葉分析(Fourier analysis)多處理非線性及非穩態訊號的優點，使得經驗模態分解法已被應用在各個不同的領域。然而經驗模態分解法存在著一些缺點例如停止準則、邊界效應、混波現象(mode mixing)…等。本論文提出了一個結合迭代式高斯法(iterative Gaussian filter)與傾斜極值篩選法(oblique-extrema based sifting process, OEMD)流程，可以用來解決經驗模態分解法中的主要缺點:混波問題。不論迭代式高斯法或傾斜極值篩選法都不是解決混波現象的完美解答，其中一個方法太耗時而另一個只能處理混波現象的特定種類。由實驗結果可以發現，本論文的流程的確可以有效阻止混波現象的發生。
  • No Thumbnail Available
    Item
    想像幾何旋轉動作與數學心算之腦電波分析
    (2009) 廖宇璁
    大腦進行運作的機制一向是科學與醫學的研究重點，本論文使用快速傅立葉轉換(FFT)和多尺度熵(MSE)的方法，分析大腦進行數學認知行為的空間能量分佈特徵，兩類分析方法的實驗結果同時指出，大腦前額葉與頂葉為數學認知行為的主要激發區域，大腦枕葉的能量特徵相對較不顯著，而四類基礎數學運算以加法及乘法運算對大腦負荷度較低，減法及除法對大腦負荷度則相對較高。本研究另外探討當我們數學計算時，常伴隨出現的空間旋轉概念(如：建築工程、向量計算…等)的空間能量特徵，發現其大腦特徵與數學運算時高度相似，都是以大腦前額葉為顯著特徵區域，而我們也使用適用於非穩態訊號的經驗模態分解法(EMD)進行濾波，及線性鑑別分析法(LDA)與最近鄰居法(NNR)辨識想像順時針旋轉與逆時針旋轉的腦電波，實驗結果以FZ電極與FCZ電極的組合辨識率最高，四位受測者平均辨識率可達80.7%，辨識率較想像四肢活動雖無顯著提升，但證實了想像幾何旋轉動作為有效的想像辨識標的。