本文關(guān)鍵詞：小波預(yù)處理的ITD方法在腦電信號處理中的應(yīng)用研究　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： 腦電信號 小波去噪 固有時間尺度分解 固有旋轉(zhuǎn)分量 EMD分解

【摘要】：腦電信號(Electroencephalogram,簡稱EEG)屬于人體的一種生物電信號,其中包含著反應(yīng)人類精神狀態(tài)、情緒活動等的一系列生理信息。對腦電信號的特征進行定性和定量地研究和分析,可以幫助人們進一步認識腦功能并利用腦電信號來做某些疾病的輔助診斷。在癲癇疾病的輔助診斷中,通過對患者發(fā)病前、發(fā)病中和發(fā)病后的腦電信號進行特征提取并做對比分析,可以根據(jù)不同的特征頻率,更加有針對性地對患者提出診療方案。但是,目前在腦電研究領(lǐng)域面臨的一大難題是做特征提取時準確性較低,這就使得利用腦電信號做輔助診斷疾病的方法在精確度上存在很大的改善空間。這個問題主要是由腦電信號的兩大特征造成的:第一,腦電信號比較微弱且非常敏感,因此在采集過程中極易受到各類噪聲的干擾,如采集儀器本身的交流電干擾,被采集者本身的眼電、心電信號干擾等;第二,腦電信號屬于非平穩(wěn)非線性信號,需要采用特殊的非線性信號處理方法來對其進行分解和分析。以往使用的腦電信號分析方法或多或少都存在一些缺點,如小波變換分析法雖然發(fā)展較成熟,但是卻對腦電信號不具有自適應(yīng)性;經(jīng)驗?zāi)Ｊ椒纸怆m然有自適應(yīng)性,但是卻存在較嚴重的模態(tài)混疊和端點效應(yīng)等問題。這些問題都在一定程度上阻礙著腦電信號特征提取的應(yīng)用和發(fā)展。本論文主要針對上述兩方面問題,提出了一種基于小波預(yù)處理的固有時間尺度分解(Wavelet-denoising Intrinsic Time-scale Decomposition,簡稱WD-ITD)方法。該方法首先對含有噪聲的腦電信號進行小波去噪預(yù)處理,使得處理后的腦電信號信噪比變大,繼而使用ITD方法,對腦電信號進行進一步分解。具體研究內(nèi)容如下:首先,通過對國內(nèi)外腦電信號研究現(xiàn)狀的綜述,概述了腦電信號的產(chǎn)生機理、采集方式和特性分類,并對腦電信號的分析方法做了對比和分析。其次,探討了腦電信號容易受噪聲干擾的原因,分析了腦電信號噪聲的種類以及常用去噪方法,建立了腦電信號的小波去噪算法評價標準,做了兩個對比性實驗,驗證了小波去噪方法在腦電信號去噪領(lǐng)域的可行性。再次,介紹了一種新的時頻分析法——固有時間尺度分解,將該方法與小波去噪相結(jié)合形成WD-ITD分解。驗證了WD-ITD分解在處理腦電信號方面的可行性和優(yōu)勢,通過與經(jīng)驗?zāi)Ｊ椒纸獾膶Ρ葘嶒?驗證了WD-ITD分解在端點效應(yīng)問題、模態(tài)混疊問題以及分解效率方面,都優(yōu)于經(jīng)驗?zāi)Ｊ椒纸�。最�?運用WD-ITD方法對癲癇患者的腦電信號做分析。實驗結(jié)果表明,使用WD-ITD分解后的腦電信號,分解效率平均提高了近4%,分解后得到的固有旋轉(zhuǎn)分量與原始腦電信號的相關(guān)度平均提高了3.57%。因此,該方法在有效地解決腦電信號受到噪聲干擾問題的同時,能夠取得良好的信號分解效果。
[Abstract]:Electroencephalograms (EGG) is a kind of bioelectrical signal of human body, which contains the state of human spirit. A series of physiological information such as emotional activities. The characteristics of EEG signals are studied and analyzed qualitatively and quantitatively. It can help people to further understand the brain function and make use of EEG signal to do the auxiliary diagnosis of some diseases. In the auxiliary diagnosis of epilepsy disease, the patient can be diagnosed before the onset of the disease. The feature extraction and comparison analysis of EEG signals after the onset and the onset of the disease can be more targeted to the patients according to the different characteristic frequency. However. At present, one of the most difficult problems in the field of EEG research is the low accuracy of feature extraction. This makes the use of EEG as an auxiliary method of disease diagnosis there is a lot of room for improvement in accuracy. This problem is mainly caused by the two characteristics of EEG: first. EEG signal is weak and very sensitive, so it is easy to be disturbed by various kinds of noise in the process of acquisition, such as AC interference of the acquisition instrument, Eye-electric and ECG interference of the collector itself. Second, EEG signals are non-stationary and nonlinear signals, which need to be decomposed and analyzed by special nonlinear signal processing methods. For example, although the wavelet transform method is mature, it is not adaptive to EEG signals. Although empirical mode decomposition is adaptive. However, there are some serious problems such as modal aliasing and endpoint effect. To some extent, these problems hinder the application and development of EEG feature extraction. An inherent time scale decomposition based on wavelet preprocessing is proposed. Wavelet-denoising Intrinsic Time-scale Decomposition. WD-ITD method. Firstly, wavelet denoising is used to pre-process the EEG signal with noise, which makes the signal to noise ratio (SNR) of the processed EEG signal to be larger, and then the ITD method is used. The detailed research contents are as follows: first of all, by summarizing the current situation of EEG research at home and abroad, the generation mechanism, acquisition methods and characteristics classification of EEG signals are summarized. And the analysis method of EEG signal is compared and analyzed. Secondly, the reason of EEG signal being easily disturbed by noise is discussed, and the types of EEG signal noise and the commonly used denoising method are analyzed. The evaluation standard of wavelet denoising algorithm of EEG signal is established, and two comparative experiments are done to verify the feasibility of wavelet denoising method in the field of EEG de-noising. A new time-frequency analysis method, the inherent time scale decomposition, is introduced. The method is combined with wavelet denoising to form WD-ITD decomposition, which verifies the feasibility and advantage of WD-ITD decomposition in EEG signal processing. It is verified that WD-ITD decomposition is superior to empirical mode decomposition in endpoint effect problem, modal aliasing problem and decomposition efficiency. The WD-ITD method was used to analyze the EEG signals of epileptic patients. The experimental results showed that the decomposing efficiency of EEG signals decomposed by WD-ITD was increased by nearly 4% on average. The correlation between the inherent rotation component and the original EEG signal is increased by 3.57 on average. Therefore, this method can effectively solve the problem of EEG interference caused by noise. Can achieve good signal decomposition effect.
【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;TN911.7

【相似文獻】

相關(guān)期刊論文 前10條

1 黃力宇,王旭萍;急性輕中度缺氧對腦電信號復(fù)雜度的影響[J];高原醫(yī)學(xué)雜志;2000年04期

2 薛蘊全,王秋英,王宏;腦電信號的動態(tài)時空響應(yīng)拓撲圖[J];儀器儀表學(xué)報;2001年S1期

3 馬穎穎;張涇周;吳疆;;腦電信號處理方法[J];北京生物醫(yī)學(xué)工程;2007年01期

4 謝松云;張振中;楊金孝;張坤;;腦電信號的若干處理方法研究與評價[J];計算機仿真;2007年02期

5 魯強;劉玉軍;徐建蘭;張進祿;;一種適用于清醒動物腦電信號采集的固定裝置[J];首都醫(yī)科大學(xué)學(xué)報;2011年06期

6 董盟盟;仲軼;徐潔;戴體俊;劉功儉;;基于小波分析的腦電信號處理[J];電子設(shè)計工程;2012年24期

7 戴銀濤,吳祈耀;快速提取腦電信號的譜分量參數(shù)[J];北京生物醫(yī)學(xué)工程;1989年01期

8 孟欣，歐陽楷;腦電信號的幾個非線性動力學(xué)分析方法[J];北京生物醫(yī)學(xué)工程;1997年03期

9 程明,高上凱,張琳;基于腦電信號的腦—計算機接口[J];北京生物醫(yī)學(xué)工程;2000年02期

10 羅建,崔亮,衛(wèi)娜,張治鋼;腦電信號采集與處理系統(tǒng)的研制[J];醫(yī)療衛(wèi)生裝備;2000年06期

相關(guān)會議論文 前10條

1 薛蘊全;王秋英;王宏;;腦電信號的動態(tài)時空響應(yīng)拓撲圖[A];中國儀器儀表學(xué)會第三屆青年學(xué)術(shù)會議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號診斷專家系統(tǒng)的研究[A];中國生理學(xué)會第21屆全國代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2002年

3 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

4 許濤;朱林劍;包海濤;;基于思維腦電信號的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會論文集（下冊）[C];2006年

5 李愛新;孫鐵;郭炎峰;;基于人工神經(jīng)網(wǎng)絡(luò)的腦電信號模式分類[A];自動化技術(shù)與冶金流程節(jié)能減排——全國冶金自動化信息網(wǎng)2008年會論文集[C];2008年

6 童珊;黃華;陳槐卿;;混沌理論在腦電信號分析中的應(yīng)用[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

7 李凌;曾慶寧;堯德中;;利用兩級抗交叉串擾自適應(yīng)濾波器提取誘發(fā)腦電信號[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

8 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];中國生物醫(yī)學(xué)工程進展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

9 李麗君;黃思娟;吳效明;熊冬生;;基于運動想象的腦電信號特征提取與分類[A];中國儀器儀表學(xué)會醫(yī)療儀器分會2010兩岸四地生物醫(yī)學(xué)工程學(xué)術(shù)年會論文集[C];2010年

10 葛家怡;周鵬;王明時;;睡眠腦電信號樣本熵的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會2007年學(xué)術(shù)年會論文摘要集[C];2007年

相關(guān)重要報紙文章 前1條

1 張文清　記者 王春;意念控制車速及左右轉(zhuǎn)彎前行[N];科技日報;2008年

相關(guān)博士學(xué)位論文 前10條

1 彭宏;普適化腦電信息感知關(guān)鍵問題的研究[D];蘭州大學(xué);2015年

2 吳玉鵬;AR譜在皮層癇樣腦電信號分析應(yīng)用[D];河北醫(yī)科大學(xué);2015年

3 馬小飛;認知任務(wù)下的腦電動力學(xué)分析[D];南京大學(xué);2017年

4 吳畏;基于統(tǒng)計建模的多導(dǎo)聯(lián)腦電信號時空建模方法研究[D];清華大學(xué);2012年

5 孫宇舸;腦—機接口系統(tǒng)中腦電信號處理方法的研究[D];東北大學(xué);2012年

6 周群;腦電信號同步：方法及應(yīng)用研究[D];電子科技大學(xué);2009年

7 趙麗;基于腦電信號的腦-機接口技術(shù)研究[D];天津大學(xué);2004年

8 李春勝;腦電信號混沌特性的研究與應(yīng)用[D];東北大學(xué);2011年

9 歐陽高翔;癲癇腦電信號的非線性特征識別與分析[D];燕山大學(xué);2010年

10 繆曉波;基于腦電信號的認知動力學(xué)系統(tǒng)研究——線性/非線性方法及動態(tài)時—頻—空分析[D];重慶大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 于洪;基于腦電信號的警覺度估計[D];上海交通大學(xué);2007年

2 蔣潔;基于高性能計算的腦電信號分析[D];燕山大學(xué);2010年

3 張志琴;腦電信號的復(fù)雜性分析[D];中南大學(xué);2009年

4 許鳳娟;腦電信號采集與分析系統(tǒng)的設(shè)計[D];長春理工大學(xué);2011年

5 曹銘;意識障礙患者腦電信號的非線性動力學(xué)評價分析[D];杭州電子科技大學(xué);2012年

6 薛吉星;多通道腦電信號采集與處理系統(tǒng)研究[D];華南理工大學(xué);2015年

7 劉靜;基于加權(quán)排序熵的多通道腦電信號同步算法研究[D];燕山大學(xué);2015年

8 陳澤濤;基于腦電信號分析的AD早期評估系統(tǒng)的設(shè)計與實現(xiàn)[D];燕山大學(xué);2015年

9 王歡;基于非平穩(wěn)時間序列分析方法的腦電信號模式識別[D];蘇州大學(xué);2015年

10 王瓊穎;腦電信號的非線性動力學(xué)分析及其在睡眠分期中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號：1430524