基于DSP TMS320C54X的癲癇腦電信號(hào)處理設(shè)計(jì)方案

1引 言
　　癲癇的診斷主要依靠臨床病史，腦電圖檢查可作為一種極有價(jià)值的輔助診斷手段。據(jù)統(tǒng)計(jì)，80％左右的癲癇病人都具有確定性的腦電異常，而只有5～20％左右的癲癇病人腦電圖表現(xiàn)正常。尤其對(duì)臨床診斷困難的非典型癲癇發(fā)作、各種異型癲癇和隱匿型癲癇，腦電圖檢查的重要性更加突出，甚至起著決定性的作用［1］。
　　腦電（EEG）是超高斯或亞高斯信號(hào)，通常都含有噪聲、偽跡和串?dāng)_。通常，腦電活動(dòng)總體上被劃分成4個(gè)頻帶成分（β，α，θ和δ等節(jié)律），這些成分的頻率都很低（在0．5～40 Hz范圍）。而臨床分析表明癲癇患者發(fā)病時(shí)以3 Hz棘慢綜合波為多見(jiàn)。換句話說(shuō)，腦電中有意義的成分基本上都是低頻信號(hào)。這意味著，我們可以通過(guò)小波分解將混迭在腦電中的高頻成分濾除后再重構(gòu)，從而濾除噪聲和偽跡。通過(guò)研究癲癇病人的腦電信號(hào)，有助于藥物選擇、劑量調(diào)整和藥物停用的決定，有助于外科手術(shù)治療病例的選定，有助于癲癇和其他發(fā)作性疾病的鑒別。
　　本文選用基于TI公司的TMS320C54X系列的DSP芯片開(kāi)發(fā)平臺(tái)。借助DSP快速數(shù)據(jù)處理的優(yōu)點(diǎn)，對(duì)癲癇腦電信號(hào)進(jìn)行小波變換，然后濾除小尺度（高頻）成分，保留大尺寸（低頻）成分，最后再對(duì)處理后的信號(hào)進(jìn)行重建。實(shí)現(xiàn)流程如圖1所示。
　　
　　2離散小波變換算法
　　離散小波變換的一個(gè)突破性成果是S．Mallat于1989年在多分辨分析的基礎(chǔ)上提出的快速算法一一Mallat算法［2］。Mallat算法在小波分析中的作用相當(dāng)于快速傅里葉變換（FFT）在傅里葉分析中的作用，他標(biāo)志著小波分析走上了寬闊的應(yīng)用領(lǐng)域。Mallat算法又稱為塔式算法，他由小波濾波器H，G和h，g對(duì)信號(hào)進(jìn)行分解和重構(gòu)［3］。分解算法為：
　　
　　式中，t為離散時(shí)間序列號(hào)，t=1，2，…，N；f（t）為原始信號(hào)；j為層數(shù)或小波尺度，j=1，2，…，J，J=log2N；H，G
　　為時(shí)域中的小波分解濾波器，實(shí)際上是濾波器系數(shù)；Aj為信號(hào)f（t）在第j層的逼近部分（即低頻成分）的小波系數(shù)；Dj為信號(hào)f（t）在第j層的細(xì)節(jié)部分（即高頻部分）的小波系數(shù)。
　　式（1）的含義是：假定所檢測(cè)的離散信號(hào)f（t）為A。信號(hào)，信號(hào)f（t）在第2j尺度（第j層）的近似部分，即低頻部分的小波系數(shù)Aj是通過(guò)第2j-1尺度（第j-1層）的逼近部分的小波系數(shù)Aj-1與濾波器H卷積，然后將卷積的結(jié)果隔點(diǎn)采樣得到的；而信號(hào)f（t）在第2j尺度（第j層）的細(xì)節(jié)部分，即高頻部分的小波系數(shù)Dj是通過(guò)第2j-1尺度（第j-1層）的逼似部分的小波系數(shù)與分解濾波器G卷積，然后將卷積的結(jié)果隔點(diǎn)采樣得到的。
　　通過(guò)式（1）的分解，在每一尺度2j上（或第j層上）信號(hào)f（t）被分解為近似部分的小波系數(shù)Aj（在低頻子帶上）和細(xì)節(jié)部分的小波系數(shù)D，（在高頻子帶上）。