發(fā)布時間：2020-05-19 12:28

【摘要】：近年來,深度學(xué)習(xí)技術(shù)迅速發(fā)展,其在圖像處理、語音識別和自然語言處理等領(lǐng)域得到了廣泛的應(yīng)用。本論文將深度學(xué)習(xí)運用到腦電信號處理中,利用自適應(yīng)遺傳算法優(yōu)化的棧式稀疏自編碼網(wǎng)絡(luò)進行腦電信號降噪。腦電記錄易受到眼電等偽跡影響。去除眼電偽跡是腦電信號處理的關(guān)鍵步驟。本論文使用自適應(yīng)遺傳算法優(yōu)化的棧式稀疏自編碼器去除腦電信號中的眼電偽跡,在模型訓(xùn)練完后可以通過模型快速且自動地去除眼電偽跡。本文工作分為三部分。首先,利用模糊c均值聚類方法對采集到的腦電信號進行分類,區(qū)分受眼電偽跡強的時段和受眼電偽跡弱的時段,劃分模型的訓(xùn)練集和測試集。接著,對自編碼網(wǎng)絡(luò)引入稀疏化和堆疊操作構(gòu)成棧式稀疏自編碼網(wǎng)絡(luò),并使用自適應(yīng)遺傳算法對網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)連接參數(shù)進行優(yōu)化,獲得合適的網(wǎng)絡(luò)參數(shù)組合,加快網(wǎng)絡(luò)訓(xùn)練的收斂速度。經(jīng)過訓(xùn)練的模型在測試中可以達到移除眼電偽跡的效果。最后,將所提出的方法與小波變換、獨立成分分析(ICA)、主成分分析(PCA)和淺層網(wǎng)絡(luò)方法進行對比實驗。實驗結(jié)果表明,本文提出的方法在腦電信號重建和眼電偽跡去除都具有最好表現(xiàn)——對于含有眼電偽跡的腦電信號段,該方法能夠有效地去除眼電偽跡,對于不含眼電偽跡的腦電信號段,該方法能較好地保留波形的原始細節(jié),而且在不同腦電測試者之間該方法具有良好的泛化能力。
【圖文】：

浙江大學(xué)碩士學(xué)位論文邐腦電信號的采集與預(yù)處理逡逑采用國際腦電圖學(xué)會規(guī)定的１０－２０系統(tǒng)電極，圖２－１為本實驗用于采集腦電數(shù)據(jù)逡逑的６４導(dǎo)電極分布圖。數(shù)據(jù)懫樣率為２０４８Ｈｚ。逡逑ｙ＾－川邋．ＡＦＺ逡逑／邋－邋Ｐ３邋．Ｆ１邋．Ｆｒ邋．Ｆ２邋Ｖ逡逑＊ＦＣ５邋＃ＦＣ３邋．ＦＣ１邋＃ＦＣ，邋．ＦＣ２邋．ＰＣ４邋＊ＦＣ＾Ｔ８逡逑十邋？Ｃ５邋－Ｃ３邋＊Ｃ１邋？Ｃ７邋＊Ｃ２邋＊Ｃ４邋＊Ｃ６邋Ｉ邋（Ｔ８逡逑＊ＣＰＳ邋＾邐＜ｆ＞：邋＜Ｐ２邋＾邋－ＣＰ／＾ｐｅ逡逑＼邋－ＰＳ邋－Ｐ３邋＊Ｐ１邐＊Ｐ２邋＊Ｐ４逡逑＊Ｐ0３邐＃Ｐｌ°逡逑？邋Ｉｚ逡逑圖２－１邐６４導(dǎo)電極位置示意圖逡逑在腦電信號的采集過程中記錄了眼電信號，將兩個額外電極放置在左右太陽逡逑穴處記錄實驗過程中的雙眼外側(cè)水平眼電，兩個電極間的差值是水平眼電信號逡逑（右側(cè)減去左側(cè)）。另外兩個電極放置在右眼上方和下方記錄右眼上下垂直眼電，逡逑兩個電極間的差值是垂直眼電信號（上部減去下部）。逡逑另外，將兩個額外電極放置在左右乳突上作為參考電極，取它們的平均值作逡逑為腦電信號的參考信號。參考電極理論上應(yīng)該放置在大腦相對零點的電極位置，逡逑即與采集腦電數(shù)據(jù)電極的位置距離無窮遠處。但在實際實驗中，若將參考電極放逡逑置在身體軀干或四肢上

帶和整個信號的小波熵。腦電信號與眼電偽跡在頻域上的能量分布有明顯區(qū)別。逡逑相比于腦電信號，眼電信號在各個頻段能量分布差異較大，眼電信號在高頻段的逡逑能量明顯小于低頻段。圖３－１為受眼電偽跡干擾弱的腦電信號和垂直眼電信號的逡逑５層小波變換分解圖。從中可以看出，，眼電信號的低頻段幅值明顯高于高頻段幅逡逑值，高低頻能量差異明顯大于腦電信號片段。本研究選用ｄｂ５母小波，對信號片逡逑段進行５級離散小波分解，然后計算每個信號片段的小波熵。通過計算，受眼電逡逑偽跡干擾強的腦電信號的小波熵明顯低于受眼電偽跡干擾弱的腦電信號，可以作逡逑為一個聚類的特征值。該特征值不僅不依賴于眼電參考信號，而且有較好的聚類逡逑效果。逡逑２０邋邐＞邐＇邐＇邐１邐ｎ邐５００邋邐１邐．邐．邐１邐ｉ－ｉ逡逑＜邋０邋：邐邐邐．一＾——邐■—￥邋0邋＝邐逡逑－２０邋邐１邐１邐１邐１邐＾邐－５００邋邐１邐１邐１邐１邐＾逡逑０邐５０邐１００邐１５０邐２００邐２５０邐０邐５０邐１００邐１５０邐２００邐２５０逡逑５邐邐邐＇邐—＇邐１邐－ｚ￣ｎ邋２００邋邐■邐１邐■邐邐邐ｒｊ逡逑ｑ邐——
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R318;TN911.7

【參考文獻】

相關(guān)期刊論文 前6條

1 于光帥;于憲偉;;一種改進的自適應(yīng)遺傳算法[J];數(shù)學(xué)的實踐與認識;2015年19期

2 陳志華;石詩余;;腦電數(shù)據(jù)情感變化的主成分分析[J];大連交通大學(xué)學(xué)報;2015年05期

3 楊幫華;章云元;何亮飛;李華榮;王倩;;腦機接口中基于ICA-RLS的EOG偽跡自動去除[J];儀器儀表學(xué)報;2015年03期

4 李明愛;崔燕;楊金福;;腦電信號中眼電偽跡自動去除方法的研究[J];電子學(xué)報;2013年06期

5 韓清鵬;;利用EEG信號的小波包變換與非線性分析實現(xiàn)精神疲勞狀態(tài)的判定[J];振動與沖擊;2013年02期

6 葛繼科;邱玉輝;吳春明;蒲國林;;遺傳算法研究綜述[J];計算機應(yīng)用研究;2008年10期

相關(guān)碩士學(xué)位論文 前2條

1 李超;基于自適應(yīng)遺傳算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測研究及應(yīng)用[D];山西師范大學(xué);2012年

2 孫娓娓;BP神經(jīng)網(wǎng)絡(luò)的算法改進及應(yīng)用研究[D];重慶大學(xué);2009年

本文編號：2670890