本文選題：事件相關(guān)電位 + WICA��； 參考：《天津師范大學》2012年碩士論文

【摘要】：事件相關(guān)電位(Event-related Potential, ERP),是與實際刺激或預(yù)期刺激(聲、光、電等)有固定時間關(guān)系的腦反應(yīng)所形成的一系列腦電波。有廣泛應(yīng)用的P300是事件相關(guān)電位的重要成分,但其信號非常微弱,并容易受噪聲干擾,通常提取事件相關(guān)電位要經(jīng)過40～100次的疊加平均,這就需要大量的重復(fù)刺激實驗,于是人們力求通過少次疊加的方法來實現(xiàn)對事件相關(guān)電位的提取。因此,如何實現(xiàn)事件相關(guān)電位信號的少次提取成了腦電信號處理的重點及難點問題。 由于ERP混疊在自發(fā)腦電之中,而近年發(fā)展起來的獨立分量分析(Independent Component Analysis, ICA)能夠從多通道的觀測數(shù)據(jù)中分離出相互獨立的信號,不受信號頻譜混疊的限制,適用于腦電信號中各種噪聲的消除。小波變換(Wavelet Transform)具有時頻特性并且有分析非平穩(wěn)信號的優(yōu)勢,在一定程度上能夠精確地分析腦電信號的瞬態(tài)特性。因此運用小波變換與獨立分量分析相結(jié)合(WICA)的方法,可以對腦電信號進行高精度子頻帶分析,同時也可以彌補小波變換算法不能有效解決噪聲和信號的頻譜混疊的缺陷。 本文將WICA方法應(yīng)用于P300的提取過程中,主要做了以下研究工作： (1)介紹腦電信號、事件相關(guān)電位以及P300的產(chǎn)生原理、特點、分類以及應(yīng)用等相關(guān)知識。 (2)深入研究獨立分量分析和小波變換算法,利用兩種算法結(jié)合即WICA對腦電信號進行處理。首先,利用db5小波對腦電信號進行去噪處理,然后把處理過的信號用ICA算法分解,獲得各個信號的獨立分量,然后根據(jù)事件相關(guān)電位的先驗知識對各獨立分量進行優(yōu)選,最后重構(gòu)腦電信號。 (3)利用事件相關(guān)電位的固定鎖時關(guān)系將處理過的腦電信號進行少次疊加,獲取事件相關(guān)電位信號,并通過P300的先驗知識,成功地提取出了P300復(fù)合波中的亞成分。這些亞成分對人類認知等高級神經(jīng)活動有重要意義。 (4)實驗對比,將WICA方法獲得的P300成分與傳統(tǒng)疊加平均方法獲取的P300成分進行對比,說明本實驗的優(yōu)越性。本實驗對傳統(tǒng)的基于疊加平均的P300的提取研究提供了新思路,同時對基于P300的BCI研究有重要的參考價值。
[Abstract]:Event - related potential ( ERP ) is a series of brain waves formed by brain reactions with fixed - time relationship with real stimulus or expected stimulus ( acoustic , light , electricity , etc . ) . The widely used event - related potential ( ERP ) is an important component of event - related potential , but its signal is very weak , and it is easy to be disturbed by noise .

Because of ERP aliasing in spontaneous EEG , independent component analysis ( ICA ) developed in recent years can separate independent signals from multi - channel observation data . It is suitable for the elimination of various noises in EEG signals . Wavelet Transform has the advantage of analyzing the transient characteristics of EEG signals .

In this paper , the WICA method is applied to the extraction process , and the following research work is done :

( 1 ) Introduce the relevant knowledge of EEG signal , event - related potential and the generation principle , characteristics , classification and application .

( 2 ) In - depth study of the independent component analysis and wavelet transform algorithm , the EEG signal is processed by combining two algorithms , namely , WICA . First , using db5 wavelet to de - noising the EEG signal , then the processed signal is decomposed by ICA algorithm to obtain the independent component of each signal , and then the independent component is optimized according to the prior knowledge of the event - related potential , and then the EEG signal is reconstructed .

( 3 ) Using the fixed lock - time relation of event - related potential , the processed EEG signal is superimposed on a few times , the event - related potential signal is acquired , and the sub - component in the composite wave of the P 300 is successfully extracted by a priori knowledge of the event , and the sub - components have important significance for the high - grade nerve activity such as human cognition .

( 4 ) Compared with that obtained by the traditional superposition mean method , the experimental results show the superiority of this experiment . This experiment provides a new idea for the traditional extraction study based on the superposition average method , and has important reference value for the study of the BCI study based on P 300 .

【學位授予單位】：天津師范大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：TN911.7;R33

【參考文獻】

相關(guān)期刊論文 前10條

1 偉利國,李學恩,梁淼;獨立分量分析及其在ERP提取中的應(yīng)用[J];北京理工大學學報;2004年01期

2 楊英立,葉大田,岳喜才;誘發(fā)電位提取的聚類分析和小波去噪復(fù)合方法[J];北京生物醫(yī)學工程;2002年02期

3 萬柏坤,楊建剛,綦宏志,劉慶凱,趙麗;基于擴展Infomax ICA的ERP少次提取方法研究[J];北京生物醫(yī)學工程;2005年04期

4 萬柏坤,尹勝琴,綦宏志,趙麗;基于小波變換的事件相關(guān)電位少次提取方法[J];北京生物醫(yī)學工程;2005年05期

5 畢雪;陳向東;李湃;;基于小波變換的全局最優(yōu)獨立分量分離算法[J];傳感器與微系統(tǒng);2007年08期

6 劉金華;佘X;;一種采用小波濾波的獨立分量分析算法[J];電子測量與儀器學報;2010年01期

7 魏寶琴;李白萍;;最優(yōu)小波基的選取原則[J];甘肅科技;2007年10期

8 謝勤嵐,陳紅,陳亞光;快速ICA算法在ERP信號處理中的應(yīng)用[J];武漢理工大學學報(交通科學與工程版);2003年04期

9 田雅萍;王萍;;基于小波濾波的信號處理方法[J];科技廣場;2009年03期

10 王榮昌;都思丹;;基于參數(shù)模型和獨立分量分析的事件相關(guān)誘發(fā)電位單次提取[J];生物醫(yī)學工程學雜志;2006年06期

，

本文編號：1855851