【摘要】：腦電圖(Electroencephalography,EEG)是一種記錄腦神經(jīng)細(xì)胞的電生理活動的設(shè)備。由于腦電信號具有高時域分辨率、便攜和無創(chuàng)性等特點,腦電圖已被廣泛應(yīng)用于腦部疾病診斷、大腦特征和腦機(jī)接口等方面的研究。然而腦電信號作為微弱的電生理信號,經(jīng)常受到如心電、眼電和肌電等多種偽跡的干擾,影響后續(xù)對腦電分析的準(zhǔn)確性。另外,由于肌電信號具有幅值大、頻域分布廣和復(fù)雜的地域分布等特點,導(dǎo)致肌電偽跡是眾多干擾源中最難消除的干擾偽跡。科研工作者們提出了許多的方法用于解決這個問題。然而大多數(shù)肌電偽跡去除的方法都是為單通道腦電記錄或基于醫(yī)院的高密度多通道腦電記錄而設(shè)計的,而不適用于移動腦電監(jiān)護(hù)儀器的少數(shù)通道情境。在本文中,我們結(jié)合多元經(jīng)驗?zāi)B(tài)分解和典型相關(guān)分析(multivariate empirical mode decomposition and canonical correlation analysis,MEMD-CCA),利用少數(shù)通道情況下腦電信號通道間的相關(guān)信息,達(dá)到從少數(shù)通道的腦電信號中有效去除肌電偽跡的目的。MEMD-CCA首先利用MEMD將一個少數(shù)通道的EEG信號分解為多元本征模態(tài)函數(shù)(intrinsic mode functions,IMFs);然后,應(yīng)用CCA將重組后多元本征模態(tài)函數(shù)分解為潛在的源信號;最后,使用無偽跡干擾的腦電源信號來重建數(shù)據(jù),將獲得去除肌電偽跡的腦電圖。在實驗過程中,我們分別使用了模擬、半模擬和真實數(shù)據(jù)來評估推薦方法的去噪效果。實驗結(jié)果表明,MEMD-CCA不僅能夠?qū)⒓‰妭污E從腦電記錄中有效消除,并且能夠?qū)⒂杏玫哪X電活動較為完整地保存下來。因此,我們認(rèn)識該方法是一種能從少數(shù)通道腦電信號中去除肌電偽跡的有效工具。
【圖文】：

圖 1.1 多導(dǎo)聯(lián)電極帽腦電采集設(shè)備Fig 1.1 Multichannel brain electricity collecting equipment圖 1.2 腦電在睡眠監(jiān)測和腦機(jī)接口兩個領(lǐng)域的應(yīng)用Fig 1.2 EEG application on sleep monitoring and brain-computer interface腦電信號的研究涉及神經(jīng)生理學(xué)、認(rèn)知神經(jīng)科學(xué)和社會心理學(xué)等多個領(lǐng)域。

在工程應(yīng)用方面，，腦-機(jī)接口（brain computer interface，BCI）的應(yīng)用，引起了國內(nèi)外研究者們的關(guān)注和重視。腦-機(jī)接口技術(shù)在康復(fù)工程、人工智能等領(lǐng)域有著豐富的應(yīng)用和極高的研究價值。圖1.2為腦電在睡眠監(jiān)測和腦機(jī)接口的應(yīng)用實例。1.2.2 腦電信號產(chǎn)生的原理大腦皮質(zhì)由無數(shù)的神經(jīng)元所組成，每個神經(jīng)元可以長出數(shù)千至數(shù)萬個樹突與其他神經(jīng)元連接。腦部區(qū)域的神經(jīng)元通過這些樹突，與其他神經(jīng)元形成了腦神經(jīng)網(wǎng)絡(luò)。神經(jīng)元由細(xì)胞體、樹突和軸突三部分組成[13]，如圖 1.3。一個神經(jīng)元與另
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN911.7;R741.044

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 李成;周恒;;基于多元經(jīng)驗?zāi)Ｊ椒纸獾墓善笔找媾c宏觀經(jīng)濟(jì)關(guān)系分析[J];統(tǒng)計與信息論壇;2013年02期

2 王巧蘭,季忠,秦樹人;基于小波變換的腦電噪聲消除方法[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2005年07期

相關(guān)博士學(xué)位論文 前1條

1 王關(guān)平;復(fù)雜時滯耦合系統(tǒng)的同步誘發(fā)機(jī)理及調(diào)控機(jī)制研究[D];蘭州理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 吳志丹;基于MEMD的高速列車安全性態(tài)評估應(yīng)用研究[D];西南交通大學(xué);2017年

2 康志豪;基于EEMD算法的電能質(zhì)量擾動檢測[D];湖南大學(xué);2016年

3 劉源;基于多元EMD的BCI信號處理研究[D];燕山大學(xué);2013年

4 牛潔;注意力相關(guān)腦電的特征提取及分類方法研究[D];西安電子科技大學(xué);2013年

5 岳相臣;經(jīng)驗?zāi)B(tài)分解算法應(yīng)用研究[D];西安電子科技大學(xué);2013年

6 趙佳萌;基于聲信號小波變換的滾動軸承故障診斷[D];北京交通大學(xué);2009年

7 吳堅;獨立分量分析在腦電信號處理中的應(yīng)用[D];長安大學(xué);2009年

8 劉洋;獨立分量分析及其在腦電信號提取中的應(yīng)用[D];大連理工大學(xué);2006年

9 劉楊;腦機(jī)接口中的信號處理算法研究[D];國防科學(xué)技術(shù)大學(xué);2005年

10 馬建;基于獨立成分分析的說話人識別技術(shù)研究[D];電子科技大學(xué);2005年

本文編號：2640206