在腦電(Electroencephalography,EEG)的采集過程中,參考電極的設(shè)置是必不可少的,現(xiàn)有腦電實踐中所采用的參考方式大多是活動參考,導(dǎo)致著腦電信號采集的不準確。參考電極標準化技術(shù)(Reference electrode standardization technique,REST)的出現(xiàn)使得人們對零參考的探索成為了可能。關(guān)于REST的效果,目前已有大量的文章從腦電研究的不同領(lǐng)域?qū)ζ溥M行了細致的分析研究,眾多的研究結(jié)果均表明,REST零參考的參考誤差的確明顯小于其他參考,且對于空間腦地形圖有很好的改善,在很多應(yīng)用情況下比其他參考更加準確。事實上,信號采集的不準確也不可避免地會影響到腦電數(shù)據(jù)的處理過程以及最終的結(jié)果分析,而以往的零參考研究中尚未有人探討過REST對于腦電信號處理方法的影響,因此,本論文針對REST零參考能夠改善事件相關(guān)電位(Event-Related Potential,ERP)空間腦地形圖的這一特點,同時借助8種不同噪聲等級下的仿真ERP數(shù)據(jù),將平均參考(Average,AVG)、連接耳參考(Linked Mastoids,LM)和REST這三種參考方式下ERP仿真數(shù)據(jù)經(jīng)過K均值聚類(K-means Clustering)、主成分分析(Principal Component Analysis,PCA)加Promax旋轉(zhuǎn)以及信息極大化(Infomax)的獨立成分分析(Independent Component Analysis,ICA)這三種方法處理后得到的處理結(jié)果進行了對比。結(jié)果表明:ERP的聚類方法受噪聲的影響不大,該方法中REST零參考的聚類結(jié)果較好且更穩(wěn)定,對于噪聲較強、信號質(zhì)量較差情況下的ERP數(shù)據(jù),適合通過REST零參考結(jié)合ERP聚類的方式來提取ERP成分;PCA+Promax方法容易受噪聲影響,在低噪聲等級、高信噪比的情況下,AVG參考和REST零參考的分解結(jié)果較好,對于信號質(zhì)量很好的ERP數(shù)據(jù),REST零參考或AVG參考與PCA+Promax方法相結(jié)合的處理方式對于ERP成分的提取比較有優(yōu)勢;兩種矩陣分解方法中,Infomax ICA的表現(xiàn)不如PCA+Promax,且AVG參考和REST零參考在該處理方法中并沒有體現(xiàn)出優(yōu)勢;LM參考在三種方法的處理中得到的結(jié)果均是最差的,且相比于其他兩種參考方式其受噪聲的影響也明顯更大。
【學(xué)位單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R318;TN911.7
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 零參考介紹
    1.2 零參考國內(nèi)外研究現(xiàn)狀
    1.3 傳統(tǒng)ERP信號處理方法介紹
    1.4 空間約束下ERP信號處理方法介紹
        1.4.1 聚類在ERP信號處理中的應(yīng)用
        1.4.2 主成分分析加旋轉(zhuǎn)在ERP信號處理中的應(yīng)用
        1.4.3 獨立成分分析在ERP信號處理中的應(yīng)用
    1.5 研究內(nèi)容、目的及意義
    1.6 章節(jié)安排
2 實驗仿真數(shù)據(jù)介紹
3 REST零參考對ERP聚類的影響
    3.1 K-means聚類算法
    3.2 仿真數(shù)據(jù)的K-means聚類處理結(jié)果與分析
        3.2.1 ERP聚類結(jié)果評價方法
        3.2.2 選擇與仿真源成分一致的準確成分
        3.2.3 比較各參考方式下的K-means聚類結(jié)果
    3.3 本章小結(jié)
4 REST零參考對主成分分析加旋轉(zhuǎn)的影響
    4.1 PCA+Promax矩陣分解算法
        4.1.1 PCA算法
        4.1.2 Promax旋轉(zhuǎn)方法
    4.2 仿真數(shù)據(jù)的PCA+Promax處理結(jié)果與分析
        4.2.1 主成分分析加旋轉(zhuǎn)結(jié)果評價方法
        4.2.2 選擇與仿真源成分一致的準確成分
        4.2.3 比較各參考方式下的PCA+Promax處理結(jié)果
    4.3 本章小結(jié)
5 REST零參考對獨立成分分析的影響
    5.1 Infomax ICA矩陣分解算法
    5.2 仿真數(shù)據(jù)的Infomax ICA處理結(jié)果與分析
        5.2.1 獨立成分分析結(jié)果評價方法
        5.2.2 選擇與仿真源成分一致的準確成分
        5.2.3 比較各參考方式下的Infomax ICA處理結(jié)果
    5.3 本章小結(jié)
結(jié)論
參考文獻
致謝

【相似文獻】

相關(guān)期刊論文 前10條

1 朱鑫偉;朱國賓;Seppe VANDEN BROUCKE;;地理空間約束的業(yè)務(wù)流程建模方法[J];軟件學(xué)報;2015年03期

2 席睿;彭長根;;空間約束的基于屬性和角色的訪問控制研究[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2010年06期

3 劉生禮 ,唐敏 ,董金祥;兩種空間約束求解算法[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2003年08期

4 普菡;黃添強;翁彬;肖輝;黃維;;融合空間約束和梯度結(jié)構(gòu)信息的視頻篡改檢測算法[J];網(wǎng)絡(luò)與信息安全學(xué)報;2019年05期

5 江華;一種帶時間和空間約束的角色授權(quán)管理模型[J];計算機工程;2004年15期

6 高潔;;談對改革開放質(zhì)疑的論點及其批判[J];學(xué)理論;2015年22期

7 吳端恭;受限制多項式插值空間約束條件的統(tǒng)一描述[J];集美大學(xué)學(xué)報(自然科學(xué)版);1996年S1期

8 郭飛霄;孫中苗;趙俊;苗岳旺;肖云;;附加空間約束的徑向點質(zhì)量模型方法反演區(qū)域地表質(zhì)量變化[J];測繪學(xué)報;2018年05期

9 祁向前;劉國棟;鐘廣銳;;基于最小二乘法平差建筑物模型的空間約束[J];山西建筑;2010年06期

10 林強;李征;吳仲光;;基于尺度空間約束的融合特征點匹配方法[J];四川大學(xué)學(xué)報(自然科學(xué)版);2015年06期

相關(guān)博士學(xué)位論文 前4條

1 李軍俠;基于低秩理論及空間約束編碼的顯著性檢測與融合方法研究[D];南京理工大學(xué);2017年

2 李萬益;基于隱變量概率統(tǒng)計模型的人體運動形態(tài)估計[D];華南理工大學(xué);2015年

3 孫志偉;空間數(shù)據(jù)聚類的研究[D];天津大學(xué);2007年

4 舒幫榮;基于約束性模糊元胞自動機的城鎮(zhèn)用地擴展模擬研究[D];南京農(nóng)業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 付饒;零參考對空間約束下ERP信號處理影響的仿真研究[D];大連理工大學(xué);2019年

2 許東華;空間約束飛秒激光誘導(dǎo)銅等離子體特性研究[D];長春理工大學(xué);2019年

3 陳寶琦;空間約束作業(yè)環(huán)境下噪音對施工人員安全態(tài)度的影響研究[D];蘭州大學(xué);2018年

4 王瑩;空間約束下激光誘導(dǎo)銅等離子體光譜研究[D];吉林大學(xué);2017年

5 楊微;帶空間約束條件的熱圖計算方法的研究與應(yīng)用[D];山東農(nóng)業(yè)大學(xué);2013年

6 沈云航;基于特定類別空間約束的弱監(jiān)督目標檢測[D];廈門大學(xué);2017年

7 何演;征地拆遷過程中村干部的行為及邏輯研究[D];華中科技大學(xué);2014年

8 姜冉;樣品自體空間約束的LIBS光譜增強方法研究[D];沈陽理工大學(xué);2017年

9 胡超;基于約束ICA的旋轉(zhuǎn)機械混合故障診斷方法研究[D];哈爾濱工業(yè)大學(xué);2015年

10 扈丹丹;基于Alpha穩(wěn)定分布的約束ICA診斷方法研究[D];哈爾濱工業(yè)大學(xué);2017年

本文編號：2880133