本文關(guān)鍵詞：排列模糊熵及其在腦電分析中的應(yīng)用　出處：《太原理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 排列模糊熵 模糊熵 排列熵 腦電信號 抗噪性

【摘要】：腦電是一種常用的腦部檢測方式。近年來的大量研究表明,人類大腦是一個高度復(fù)雜的非線性系統(tǒng),作為記錄大腦內(nèi)部活動的腦電信號也呈現(xiàn)出高度的復(fù)雜性和非線性特性。熵,作為一種重要的非線性動力學(xué)特征量,能夠刻畫系統(tǒng)所處狀態(tài)的無序性和混亂程度,已經(jīng)被廣泛地用于疾病、認知任務(wù)等不同狀態(tài)腦電信號的定量分析中。其中,模糊熵作為近似熵和樣本熵的改進,已經(jīng)得到研究者一定程度上的認可,但是該指標(biāo)對噪聲的敏感性易受到指標(biāo)參數(shù)值大小的影響。然而,腦電信號采集中噪聲較多,使得最終得到的信號信噪比很低,因此本文提出了一種排列模糊熵。該指標(biāo)通過在模糊熵的基礎(chǔ)上引入排序符號化思想對其進行了改進。隨后,通過對比研究發(fā)現(xiàn)排列模糊熵的抗噪性能優(yōu)于傳統(tǒng)的排列熵和模糊熵。最后將三種熵指標(biāo)分別應(yīng)用到癲癇自動檢測和精神分裂癥事件相關(guān)腦電位數(shù)據(jù)的分析中做了對比。具體工作如下:(1)本文首先針對模糊熵對噪聲敏感的問題,提出了模糊熵的改進指標(biāo)--排列模糊熵;隨后在仿真腦電數(shù)據(jù)上結(jié)合高斯白噪聲將排列模糊熵的抗噪能力同模糊熵和排列熵進行了比較。仿真實驗結(jié)果表明,排列模糊熵的抗噪能力優(yōu)于模糊熵和排列熵,而且其抗噪能力不會因指標(biāo)參數(shù)設(shè)置的不同而低于模糊熵和排列熵。(2)將排列模糊熵、模糊熵和排列熵分別用于同一癲癇自動檢測框架,對比了三種熵的癲癇檢測能力。癲癇自動檢測實驗結(jié)果表明:排列模糊熵比模糊熵和排列熵更適用于癲癇檢測。(3)分別使用排列模糊熵、模糊熵和排列熵分析了信噪比更低的精神分裂癥的條件-測試刺激事件相關(guān)腦電位數(shù)據(jù)。實驗結(jié)果表明:排列模糊熵比模糊熵和排列熵能夠更有效的分析出精神分裂癥患者的感覺門控P50缺陷。本文三個實驗結(jié)果一致表明,新提出的排列模糊熵的抗噪能力確實優(yōu)于模糊熵,同時也優(yōu)于以抗噪性著稱的排列熵;而且相比模糊熵和排列熵,排列模糊熵更適用于腦電信號的分析。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R741.044;TN911.6

【相似文獻】

相關(guān)期刊論文 前5條

1 龔桂芳;馮成德;羊本勇;;一種基于概率配分和最大模糊熵的CT圖像分割方法[J];中國醫(yī)學(xué)物理學(xué)雜志;2007年01期

2 鄒曉陽;雷敏;;基于多尺度模糊熵的動作表面肌電信號模式識別[J];生物醫(yī)學(xué)工程學(xué)雜志;2012年06期

3 龔桂芳;馮成德;張慧;朱艷芳;;一種基于自適應(yīng)最小模糊熵的CT圖像分割方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年02期

4 劉建成;董曉倩;陳亞珠;;基于廣義模糊熵模式分類器的HRV信號識別[J];中國生物醫(yī)學(xué)工程學(xué)報;2005年03期

5 趙冰心;胡維平;;基于熵和支持向量機的病態(tài)嗓音識別[J];中國生物醫(yī)學(xué)工程學(xué)報;2013年05期

相關(guān)會議論文 前6條

1 齊思剛;;基于模糊熵的模糊數(shù)運算[A];模糊集理論與模糊應(yīng)用專輯——中國系統(tǒng)工程學(xué)會模糊數(shù)學(xué)與模糊系統(tǒng)委員會第十屆年會論文選集[C];2000年

2 胡應(yīng)平;;運用模糊熵構(gòu)建協(xié)調(diào)模型[A];模糊集理論與應(yīng)用——98年中國模糊數(shù)學(xué)與模糊系統(tǒng)委員會第九屆年會論文選集[C];1998年

3 魏華;王志強;張運杰;;基于模糊熵的備擇邊緣細化方法[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

4 吳川;朱明;楊冬;;基于最大模糊熵原則的低對比度圖像閾值選取法[A];第十一屆全國信號處理學(xué)術(shù)年會（CCSP-2003）論文集[C];2003年

5 李筠;祝勇;;誤差分布類型的模糊熵判別方法[A];第七屆青年學(xué)術(shù)會議論文集[C];2005年

6 何春;陸俊;;基于模糊熵方向特征的圖像邊緣檢測方法[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

相關(guān)碩士學(xué)位論文 前10條

1 鄭宗琳;基于高速列車走行部監(jiān)測數(shù)據(jù)的EEMD特征分析[D];西南交通大學(xué);2015年

2 董國新;基于ELMD多尺度模糊熵和概率神經(jīng)網(wǎng)絡(luò)的暫態(tài)電能質(zhì)量識別[D];燕山大學(xué);2016年

3 頓士君;基于腦電多尺度非線性分析的睡眠分期研究[D];燕山大學(xué);2016年

4 王旭堯;基于多元多尺度模糊熵的人體步態(tài)信號分類[D];燕山大學(xué);2016年

5 張翔;基于模糊熵方法的云服務(wù)選擇研究與實現(xiàn)[D];內(nèi)蒙古大學(xué);2016年

6 王迪;基于模糊熵的證券投資組合優(yōu)化模型研究[D];北京化工大學(xué);2016年

7 沈小雪;模糊推理中的直覺模糊熵研究[D];遼寧工程技術(shù)大學(xué);2014年

8 王慧云;排列模糊熵及其在腦電分析中的應(yīng)用[D];太原理工大學(xué);2017年

9 趙鳳;基于模糊熵理論的若干圖象分割方法研究[D];西安郵電學(xué)院;2007年

10 吳學(xué)謙;互模糊熵的改進及其在心衰檢測中的應(yīng)用[D];山東大學(xué);2014年

，

本文編號：1325712