基于DSP TMS320C54X的癫痫脑电信号处理设计方案

1引 言
　　癫痫的诊断主要依靠临床病史，脑电图检查可作为一种极有价值的辅助诊断手段。据统计，80％左右的癫痫病人都具有确定性的脑电异常，而只有5～20％左右的癫痫病人脑电图表现正常。尤其对临床诊断困难的非典型癫痫发作、各种异型癫痫和隐匿型癫痫，脑电图检查的重要性更加突出，甚至起着决定性的作用［1］。
　　脑电（EEG）是超高斯或亚高斯信号，通常都含有噪声、伪迹和串扰。通常，脑电活动总体上被划分成4个频带成分（β，α，θ和δ等节律），这些成分的频率都很低（在0．5～40 Hz范围）。而临床分析表明癫痫患者发病时以3 Hz棘慢综合波为多见。换句话说，脑电中有意义的成分基本上都是低频信号。这意味着，我们可以通过小波分解将混迭在脑电中的高频成分滤除后再重构，从而滤除噪声和伪迹。通过研究癫痫病人的脑电信号，有助于药物选择、剂量调整和药物停用的决定，有助于外科手术治疗病例的选定，有助于癫痫和其他发作性疾病的鉴别。
　　本文选用基于TI公司的TMS320C54X系列的DSP芯片开发平台。借助DSP快速数据处理的优点，对癫痫脑电信号进行小波变换，然后滤除小尺度（高频）成分，保留大尺寸（低频）成分，最后再对处理后的信号进行重建。实现流程如图1所示。
　　
　　2离散小波变换算法
　　离散小波变换的一个突破性成果是S．Mallat于1989年在多分辨分析的基础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当于快速傅里叶变换（FFT）在傅里叶分析中的作用，他标志着小波分析走上了宽阔的应用领域。Mallat算法又称为塔式算法，他由小波滤波器H，G和h，g对信号进行分解和重构［3］。分解算法为：
　　
　　式中，t为离散时间序列号，t=1，2，…，N；f（t）为原始信号；j为层数或小波尺度，j=1，2，…，J，J=log2N；H，G
　　为时域中的小波分解滤波器，实际上是滤波器系数；Aj为信号f（t）在第j层的逼近部分（即低频成分）的小波系数；Dj为信号f（t）在第j层的细节部分（即高频部分）的小波系数。
　　式（1）的含义是：假定所检测的离散信号f（t）为A。信号，信号f（t）在第2j尺度（第j层）的近似部分，即低频部分的小波系数Aj是通过第2j-1尺度（第j-1层）的逼近部分的小波系数Aj-1与滤波器H卷积，然后将卷积的结果隔点采样得到的；而信号f（t）在第2j尺度（第j层）的细节部分，即高频部分的小波系数Dj是通过第2j-1尺度（第j-1层）的逼似部分的小波系数与分解滤波器G卷积，然后将卷积的结果隔点采样得到的。
　　通过式（1）的分解，在每一尺度2j上（或第j层上）信号f（t）被分解为近似部分的小波系数Aj（在低频子带上）和细节部分的小波系数D，（在高频子带上）。