從大腦中提取出與生理信息或行為相關聯(lián)的腦電波信號對于大腦信息處理機制和腦-機接口（BCI）研究有著重要的意義。為獲得更高質(zhì)量且更直接的腦電波信號,植入式BCI逐漸發(fā)展起來。因局部場電位（LFP）信號有著長期植入更穩(wěn)定的特點,所以在植入式BCI的研究中受到很多研究者們的關注。然而,LFP信號是采用微電極陣列記錄的一種非平穩(wěn)性腦電信號,其幅值較小,且在采集過程中容易引入噪聲干擾信號,這給后期的LFP信號特征提取及分析造成一定阻礙。因此,在提取LFP信號特征之前,對采集到的LFP信號進行去噪處理是首要任務。本文采用小波包去噪的經(jīng)驗模態(tài)分解（EMD）方法,對LFP信號進行處理和分析。首先利用小波包對LFP信號分解重構(gòu),去除噪聲干擾信號,然后對去噪后的LFP信號進行EMD分解,最后提取出特征波。主要工作內(nèi)容如下:1.研究了兩種常用的頭皮腦電（EEG）信號去噪方法—小波去噪和小波包去噪,并將兩種去噪方法應用到LFP信號處理中。利用MATLAB軟件進行仿真,得到信號去噪前后的功率譜圖,并建立基于信噪比、均方根誤差和相關系數(shù)的去噪評價指標,定量分析兩種方法的去噪效果。2.分別將小波去噪和小波包去噪與E... 

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 存在的主要問題
    1.4 主要工作內(nèi)容
2 LFP信號及其處理方法
    2.1 LFP信號的特性和采集
    2.2 LFP信號處理方法選擇
    2.3 本章小結(jié)
3 基于小波包的LFP信號去噪方法
    3.1 LFP信號基線漂移的去除
    3.2 小波及小波包去噪
    3.3 去噪效果的對比
    3.4 本章小結(jié)
4 基于小波包和EMD的LFP信號特征提取
    4.1 EMD存在的問題
    4.2 基于小波和小波包的EMD分解
    4.3 基于小波包和EMD的特征波提取
    4.4 LFP信號與呼吸頻率的相關性分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
攻讀碩士期間主要成果


【參考文獻】：
期刊論文
[1]基于小波變換的ECG信號去噪研究[J]. 張錦.  電腦知識與技術. 2017(31)
[2]一種改進的Hilbert-Huang變換方法及其應用[J]. 周小龍,劉薇娜,姜振海,馬風雷.  工程科學與技術. 2017(04)
[3]基于小波包分解與近似熵的腦電特征提取方法研究及在腦機接口中的應用[J]. 袁瑞,魏慶國.  南昌大學學報(理科版). 2017(03)
[4]腦深部刺激適應癥局部場電位節(jié)律特征研究進展[J]. 陳玥,錢星,郝紅偉,李路明.  中國生物醫(yī)學工程學報. 2016(05)
[5]基于MATLAB不同小波基的小波閾值圖像去噪算法[J]. 曾敬楓.  智能計算機與應用. 2016(04)
[6]生物神經(jīng)系統(tǒng)的一些動力學問題[J]. 陸啟韶.  北京大學學報(自然科學版). 2016(04)
[7]小鼠視覺感受區(qū)電位與呼吸頻率相關性研究[J]. 常敏,何蓓薇,王戈,顧巖秀.  信息技術. 2015(12)
[8]經(jīng)驗模態(tài)分解中一種改進的包絡線擬合算法[J]. 吳賢規(guī),王安娜,會國濤.  東北大學學報(自然科學版). 2015(11)
[9]基于EMD-WP的高精確度特征提取方法[J]. 張毅.  太赫茲科學與電子信息學報. 2015(05)
[10]基于物理小波時頻分析及RGB分頻混色的高精度頻譜成像技術優(yōu)勢分析及應用[J]. 丁繼才,姜秀娣,翁斌,張金淼.  中國海上油氣. 2015(05)

博士論文
[1]運動型腦機接口中神經(jīng)元峰電位記錄與檢測的關鍵技術研究[D]. 周寅.浙江大學 2017

碩士論文
[1]基于小波包的LMD在EEG信號分析中的研究[D]. 馬瀟.太原理工大學 2016
[2]大腦局部電位信號與生理信息關系的智能辨識與控制建模[D]. 吳慰.海南大學 2015
[3]大鼠初級視皮層局部場電位相位同步信息編碼研究[D]. 吳孔海.鄭州大學 2013
[4]大鼠初級運動皮層的神經(jīng)信號分析與解碼研究[D]. 姜波.浙江大學 2012
[5]基于小波包與ICA的腦電α波提取研究[D]. 龐璐珉.天津大學 2010



本文編號：3662232