酒精使用障礙（Alcohol Use Disorder,AUD）是一種受酗酒、遺傳、環(huán)境等多種因素所影響引起的慢性、反復性精神障礙,傳統(tǒng)篩查方法的準確率會受到經驗限制和主觀因素的影響。通過對AUD患者和正常人群的腦電信號（Electroencephalogram,EEG）對比研究可以發(fā)現(xiàn),AUD患者與正常人群腦電信號相比較有異常表現(xiàn)。因此,本文通過信號處理與機器學習相結合的方法,對AUD實驗組與正常對照組的腦電信號進行分析和分類識別,提高了AUD識別的準確率。本文首先對原始腦電信號進行去偽跡處理,提出了基于完全集成經驗模態(tài)分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）改進希爾伯特-黃變換（Hilbert-Huang Transforms,HHT）算法,并將改進后的HHT與獨立成分分析法結合使用去除腦電信號中的偽跡成分。與其他方法相比較,本文提出的方法可以更有效的識別出偽跡分量,去除偽跡后的腦電信號均方根誤差合理,信噪比更高,為信號特征提取與分析提供了更有效的信息,可以有效的提高... 

【文章來源】：長春理工大學吉林省

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究意義
    1.2 研究現(xiàn)狀
        1.2.1 酒精使用障礙研究現(xiàn)狀
        1.2.2 腦電識別的研究現(xiàn)狀
    1.3 論文研究內容及安排
        1.3.1 論文研究內容
        1.3.2 論文章節(jié)安排
第2章 腦電信號分析基礎理論
    2.1 腦電信號
        2.1.1 腦電信號采集
        2.1.2 腦電信號節(jié)律
        2.1.3 事件相關電位
    2.2 腦電信號預處理
    2.3 腦電信號特征提取
        2.3.1 時域特征提取
        2.3.2 頻域特征提取
        2.3.3 時頻域特征提取
        2.3.4 空域特征提取
        2.3.5 非線性分析
    2.4 本章小結
第3章 腦電信號去除偽跡
    3.1 多項式擬合去除基線漂移
    3.2 希爾伯特-黃變換
        3.2.1 改進經驗模態(tài)分解
        3.2.2 希爾伯特變換
    3.3 獨立成分分析
    3.4 基于樣本熵的偽跡識別
    3.5 實驗仿真與結果分析
        3.5.1 實驗仿真
        3.5.2 實驗結果分析
    3.6 本章小結
第4章 AUD腦電信號的特征提取與分析
    4.1 巴特沃斯帶通濾波器
    4.2 功率譜密度
    4.3 特征提取與分析
        4.3.1 實驗數(shù)據來源
        4.3.2 特征提取與對比分析
        4.3.3 特征融合
    4.4 本章小結
第5章 基于自適應差分進化優(yōu)化SVM的 AUD識別
    5.1 支持向量機
        5.1.1 線性分類器
        5.1.2 非線性分類器
        5.1.3 核函數(shù)
    5.2 差分進化
        5.2.1 標準差分進化
        5.2.2 自適應差分進化算法
    5.3 基于自適應差分進化算法的SVM優(yōu)化模型
    5.4 結果分析與比較
        5.4.1 查準率和查全率
        5.4.2 結果分析比較
        5.4.3 不同算法模型識別效果比較
    5.5 本章小結
第6章 總結與展望
參考文獻
附錄 A 酒精使用障礙篩查表
攻讀碩士學位期間取得的成果
致謝



本文編號：3164473