本文選題：頭皮腦電 + 時頻分析　； 參考：《杭州電子科技大學(xué)》2012年碩士論文

【摘要】：頭皮腦電(Electroencephalography, EEG)由于其無創(chuàng)性、易采集以及較好的時間分辨率，在神經(jīng)信息工程的研究中，尤其是最近被廣泛關(guān)注的腦機接口應(yīng)用中，有著不可替代的作用。但EEG信號的空間分辨率較低，且具有非平穩(wěn)和非線性的特性，因此尋求一種能較好刻畫頭皮腦電特征，并最終實現(xiàn)其模式識別應(yīng)用的方法，受到了越來越多的關(guān)注。 本文首先針對基于腦電的疲勞狀態(tài)識別和預(yù)警問題，設(shè)計了促疲勞實驗以及疲勞評價量表，采集了非疲勞、一般疲勞以及嚴重疲勞狀態(tài)的頭皮腦電信號，采用希爾伯特-黃變換(Hilbert-Huang Transform, HHT)時頻分析方法得到其邊際譜能量，給出了疲勞指數(shù)的定義和實現(xiàn)，最后獲得了本文方法所對應(yīng)的特征分布。與短時傅里葉變換(Short-time Fourier Transform，STFT)以及小波變換(Wavelet Transform, WT)相比，，HHT方法具有更好的時頻分辨率；且經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)過程，對于非平穩(wěn)的腦電信號而言，更具有一種自適應(yīng)能力。 隨后本文針對MIT-BIH生理信息庫中的睡眠腦電數(shù)據(jù)，研究時頻分析方法在睡眠腦電自動分期中的應(yīng)用。考慮到傳統(tǒng)HHT在進行EMD分解時，內(nèi)蘊模態(tài)函數(shù)(intrinsic mode function,IMF)并不能滿足單一組分模態(tài)的要求，因此本文提出將HHT時頻分析方法與小波包變換(Wavelet Package Transform, WPT)相結(jié)合，應(yīng)用于睡眠腦電的分期識別上。小波包變換將改善EMD分解時對信號頻率“窄帶”的要求，利用高低頻的頻帶細分以及瞬時能量計算，實現(xiàn)對睡眠腦電的自動客觀評測，分期平均正確率達到了87.37%，比未改進前的HHT方法有了較大提高。 最后考慮到腦機接口技術(shù)的廣泛關(guān)注，本文以國際腦機接口競賽中的運動想象腦電模式識別為具體應(yīng)用，在采用小波包和HHT時頻分析方法提取事件相關(guān)去同步(Event-relatedDesynchronization, ERD)以及事件相關(guān)同步(Event-related Synchronization, ERS)特征基礎(chǔ)上，本文提出采用一定的IMF權(quán)值優(yōu)化和篩選規(guī)則，有效降低了特征提取時的高維數(shù)，以及低相關(guān)IMF對識別性能的影響。實驗結(jié)果表明改進后的方法在識別ERD/ERS現(xiàn)象的準確性和快速性方面，有了一定的提高。
[Abstract]:Electroencephalography (EEG) plays an irreplaceable role in the research of neural information engineering, especially in the application of brain-computer interface (BCI), because of its noninvasive, easy acquisition and good time resolution. However, the spatial resolution of EEG signal is low, and it is non-stationary and nonlinear. Therefore, more and more attention has been paid to finding a method that can describe the scalp electroencephalogram and finally realize the application of EEG pattern recognition. First of all, aiming at the problem of fatigue state recognition and warning based on EEG, a fatigue promoting test and fatigue evaluation scale are designed, and scalp EEG signals of non-fatigue, general fatigue and severe fatigue state are collected. The marginal spectral energy is obtained by using Hilbert-Huang transform (HHT) time-frequency analysis method, and the definition and implementation of fatigue exponent are given. Finally, the characteristic distribution corresponding to this method is obtained. Compared with Short-time Fourier transform (STFT) and Wavelet transform (WT), HHT method has better time-frequency resolution, and empirical Mode decomposition (EMD) process is more adaptive for non-stationary EEG signals. Then, according to the sleep EEG data in MIT-BIH physiological information base, the application of time-frequency analysis method in sleep EEG automatic staging is studied. Considering that the intrinsic mode function (intrinsic mode) can not satisfy the requirement of single component mode when the traditional (intrinsic mode is decomposed, this paper proposes a new time-frequency analysis method combining with wavelet package transform (WPT). It is applied to the stage recognition of sleep EEG. Wavelet packet transform will improve the requirement of "narrow band" of signal frequency when EMD is decomposed. By using frequency subdivision of high and low frequency and calculation of instantaneous energy, automatic and objective evaluation of sleep EEG can be realized. The average accuracy of stage is 87.37, which is higher than that of HHT method. Finally, considering the extensive concern of brain-computer interface technology, this paper takes the sport imagination EEG pattern recognition in the international brain-computer interface competition as the concrete application. On the basis of extracting Event-related synchronization (ERD) and Event-related synchronization (ERS) features by wavelet packet and HHT time-frequency analysis, this paper proposes to adopt certain IMF weight optimization and screening rules to effectively reduce the high dimension of feature extraction. And the influence of low correlation IMF on recognition performance. The experimental results show that the improved method can improve the accuracy and rapidity of identifying ERD / ERS phenomenon.
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TP334.7;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 遲萬超;張方;;基于LABVIEW的HHT法疲勞損傷時頻分析[J];國外電子測量技術(shù);2011年07期

2 易欣;劉衛(wèi)東;姬大鵬;;單信標導(dǎo)航信號檢測方法研究[J];科學(xué)技術(shù)與工程;2011年23期

3 李瓊;董文鋒;洪亮;潘英鋒;;基于時頻分析的電離層回波多普勒效應(yīng)分析[J];空軍雷達學(xué)院學(xué)報;2011年03期

4 蘇曉陽;郝志梅;曹蘭英;;基于時頻分析的數(shù)字射頻存儲干擾信號檢測[J];火力與指揮控制;2011年07期

5 柳淵;李丹妮;嚴漢民;;小波變換在事件誘發(fā)腦磁圖分析中的應(yīng)用[J];中國醫(yī)學(xué)裝備;2011年06期

6 郭建濤;申義賢;劉力偉;王林;;基于S方法熵測度優(yōu)化的跳頻信號參數(shù)估計[J];信陽師范學(xué)院學(xué)報(自然科學(xué)版);2011年03期

7 高翔;姬光榮;姬婷婷;王群;;基于探測過程建模的探地雷達多目標識別[J];電波科學(xué)學(xué)報;2011年03期

8 甄翔宇;楊慶慶;周曉方;陳建霖;;室內(nèi)低壓電力線信道噪聲分析與建模[J];電路與系統(tǒng)學(xué)報;2011年04期

9 朱兆彤;鄒哲光;許肖梅;呂連港;;基于LabVIEW的海洋聲學(xué)儀器信號識別方法[J];聲學(xué)與電子工程;2011年02期

10 孫洋;原帥;吳婧;張駿;范亞夫;;轉(zhuǎn)動目標微多普勒效應(yīng)的激光相干探測[J];紅外與激光工程;2011年06期

相關(guān)會議論文 前10條

1 朱代柱;李梅;杜選民;;基于時頻分析的瞬態(tài)信號識別技術(shù)[A];中國聲學(xué)學(xué)會2002年全國聲學(xué)學(xué)術(shù)會議論文集[C];2002年

2 王春;彭東林;;Hilbert-Huang變換及其在去噪方面的應(yīng)用[A];中國儀器儀表學(xué)會第六屆青年學(xué)術(shù)會議論文集[C];2004年

3 楊漢生;楊成梧;;諧波小波在信號時頻分析中的應(yīng)用研究[A];2005中國控制與決策學(xué)術(shù)年會論文集（下）[C];2005年

4 李飛;黃斌科;馮恩信;汪文秉;;基于四元數(shù)的人運動回波仿真研究[A];2009年全國微波毫米波會議論文集（下冊）[C];2009年

5 王運飛;;時頻分析在超寬帶信號處理中的應(yīng)用[A];第六屆全國激光科學(xué)技術(shù)青年學(xué)術(shù)交流會論文集[C];2001年

6 曹征濤;王興邦;秦明新;;利用MATLAB對HRV信號進行時頻分析的初探[A];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2002年

7 張軍華;;地震信號時頻分析的一種新方法——S變換[A];1997年中國地球物理學(xué)會第十三屆學(xué)術(shù)年會論文集[C];1997年

8 劉希強;沈萍;李紅;山長侖;季愛東;張萍;蔡明軍;;數(shù)字化地震波形資料的Choi—Williams時頻分析方法及應(yīng)用[A];中國地球物理.2003——中國地球物理學(xué)會第十九屆年會論文集[C];2003年

9 張仁杰;黃清;;Costas跳頻序列的時頻分析技術(shù)[A];2005通信理論與技術(shù)新進展——第十屆全國青年通信學(xué)術(shù)會議論文集[C];2005年

10 欒經(jīng)德;范軍;;水中目標回波的時頻分析方法研究[A];中國聲學(xué)學(xué)會水聲學(xué)分會2011年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 單佩韋;時頻分析系統(tǒng)及其應(yīng)用[D];華東師范大學(xué);2011年

2 李寧;睡眠剝奪對大腦認知能力及腦電特征的影響研究[D];天津大學(xué);2009年

3 張秀峰;基于時頻分析的粗晶材料超聲檢測技術(shù)與系統(tǒng)[D];清華大學(xué);2005年

4 眭素文;松遼盆地旋回地層的地球物理替代性指標及分析方法研究[D];中國地質(zhì)大學(xué)（北京）;2009年

5 張君;小波分析技術(shù)在汽輪機故障診斷中的應(yīng)用研究[D];華北電力大學(xué)（河北）;2005年

6 徐妮妮;全相位FIR濾波器組[D];天津大學(xué);2005年

7 程志友;暫態(tài)電能質(zhì)量檢測與分析的研究[D];安徽大學(xué);2007年

8 史秀志;爆破振動信號時頻分析與爆破振動特征參量和危害預(yù)測研究[D];中南大學(xué);2007年

9 紀躍波;多分辨時頻分析理論與多功能時頻分析系統(tǒng)的研究[D];重慶大學(xué);2002年

10 李志剛;交通領(lǐng)域中毫米波探測系統(tǒng)若干關(guān)鍵問題的研究[D];天津大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 沈?qū)W麗;基于時頻分析的頭皮腦電特征提取及其模式識別應(yīng)用研究[D];杭州電子科技大學(xué);2012年

2 初孟;時頻分析及其在癲癇腦電信號中的應(yīng)用[D];大連理工大學(xué);2006年

3 王銳;雷達脈沖壓縮技術(shù)及其時頻分析研究[D];西北工業(yè)大學(xué);2004年

4 李向軍;基于多尺度時頻分析的心電R波檢測以及心率變異性（HRV）分析方法研究[D];浙江大學(xué);2005年

5 張文斌;振動測試與分析虛擬儀器系統(tǒng)的研究[D];華北電力大學(xué)（河北）;2006年

6 彭輝燕;基于HHT的故障診斷時頻分析[D];電子科技大學(xué);2010年

7 張華;低信噪比下線性調(diào)頻信號的檢測與參量估計研究[D];電子科技大學(xué);2004年

8 王璞;多分量多項式相位信號時頻分析和參數(shù)估計[D];電子科技大學(xué);2006年

9 郭斌;分數(shù)階Fourier變換的基本原理與應(yīng)用[D];電子科技大學(xué);2006年

10 張濤;激光多普勒微機電系統(tǒng)運動檢測電路與軟件設(shè)計[D];天津大學(xué);2007年

本文編號：2089042