本文選題：EEG + 遞歸圖�。� 參考：《南京郵電大學(xué)》2017年碩士論文

【摘要】：人腦是由100多億神經(jīng)元細(xì)胞構(gòu)成的網(wǎng)絡(luò)結(jié)構(gòu),在大腦的神經(jīng)活動中表現(xiàn)出高度的復(fù)雜性、非平穩(wěn)性和非線性行為。利用遞歸圖和復(fù)雜網(wǎng)絡(luò)理論能夠研究大腦在進(jìn)行神經(jīng)活動時不同區(qū)域之間的相互作用、拓?fù)浣Y(jié)構(gòu)和動力學(xué)信息以及生理功能。腦電(EEG,electroencephalogram)蘊(yùn)含了大量與人腦相關(guān)的生理病理信息,是人體非常重要的生理電信號之一。本文從遞歸圖和復(fù)雜網(wǎng)絡(luò)角度分析了睡眠腦電和清醒時腦電信號的不同,從而得出結(jié)論,為研究睡眠狀態(tài)下大腦的狀態(tài)提供了重要的理論依據(jù)。其中,包含的主要工作有:一、首先使用遞歸圖對睡眠腦電和清醒腦電進(jìn)行分析。對腦電信號進(jìn)行相空間重構(gòu)時,分別采用自相關(guān)函數(shù)法和Cao方法確定延遲時間和嵌入維數(shù)。利用遞歸圖(RP,Recurrence Plot)來分析睡眠腦電和清醒腦電相空間重構(gòu)后網(wǎng)絡(luò)遞歸特性的不同,在此基礎(chǔ)之上使用遞歸定量分析(RQA,Recurrence Quantitative Analysis)對其進(jìn)行量化分析,實(shí)驗證明清醒腦電信號非線性特性更強(qiáng),不確定性更高。二、論文應(yīng)用排序遞歸圖(ORP,Order Recurrence Plot)分析睡眠腦電和清醒腦電信號。先使用排序遞歸圖對兩種腦電信號的遞歸特性進(jìn)行定性分析,然后使用RQA進(jìn)行定量分析,實(shí)驗證明,清醒狀態(tài)的腦電信號的非線性特性明顯強(qiáng)于睡眠狀態(tài),即進(jìn)入睡眠狀態(tài)之后,大腦神經(jīng)系統(tǒng)非線性減弱。該方法與遞歸圖的RQA相比,兩種信號之間的區(qū)分度更高,效果更佳。三、使用遞歸圖分析時獲得的遞歸矩陣,構(gòu)建復(fù)雜網(wǎng)絡(luò),并對網(wǎng)絡(luò)進(jìn)行可視化,定性的分析兩種信號網(wǎng)絡(luò)拓補(bǔ)結(jié)構(gòu)的不同,進(jìn)而使用復(fù)雜網(wǎng)絡(luò)的參數(shù),定量的分析兩種網(wǎng)絡(luò)之間的區(qū)別。論文中使用的方法適用于分析睡眠腦電和清醒腦電網(wǎng)絡(luò)的之間的區(qū)別,有助于了解睡眠腦電和清醒腦電神經(jīng)網(wǎng)絡(luò)的動力學(xué)行為差異。
[Abstract]:The human brain is a network consisting of more than 10 billion neuron cells. It shows a high degree of complexity, nonstationary and nonlinear behavior in the neural activities of the brain. The recursive graph and complex network theory can be used to study the interaction, topological structure, dynamic information and physiological function of different regions of the brain in the process of neural activity. EEG electroencephalograms (EEG) contains a lot of physiological and pathological information related to human brain and is one of the most important physiological electrical signals in human body. In this paper, the difference between sleep EEG and waking EEG is analyzed from the angles of recursion graph and complex network, and the conclusion is drawn, which provides an important theoretical basis for studying the state of the brain in sleep. The main contents are as follows: firstly, sleep EEG and awake EEG are analyzed by recursion graph. In the phase space reconstruction of EEG signals, the delay time and embedding dimension are determined by autocorrelation function method and Cao method respectively. The difference of network recursion characteristics after sleep EEG and waking EEG phase space reconstruction is analyzed by using Recurrence Quantitative analysis, and then the quantitative analysis is carried out by using recursive quantitative analysis (RQA / Recurrence Quantitative Analysis) to analyze the difference between sleep EEG and waking EEG phase space remodeling, based on which the RQAurrence Quantitative analysis is used to analyze the difference between sleep EEG and waking EEG phase space reconstruction. The experimental results show that the nonlinear characteristics and uncertainty of conscious EEG signals are stronger and higher. Secondly, the order Recurrence Plotde is used to analyze sleep EEG and wakefulness EEG signals. The recursive characteristics of the two kinds of EEG signals are qualitatively analyzed by using sort recursion diagram, and then quantitative analysis is carried out by using RQA. The experimental results show that the nonlinear characteristics of EEG signals in awake state are obviously stronger than those in sleep state. After entering a sleep state, the neural system of the brain is nonlinear weakened. Compared with the RQA of recursion graph, this method has higher discriminant degree and better effect. Thirdly, using the recursive matrix obtained in the analysis of recursion graph, the complex network is constructed, and the network is visualized and qualitatively analyzed for the difference between the two signal networks, and then the parameters of the complex network are used. The difference between the two networks is analyzed quantitatively. The method used in this paper is suitable for analyzing the difference between sleep EEG and awake EEG network, and is helpful to understand the difference of dynamic behavior between sleep EEG and awake EEG neural network.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R338;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魯強(qiáng);劉玉軍;徐建蘭;張進(jìn)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

2 ;腦電信號處理的研究取得階段性成果[J];河北師范大學(xué)學(xué)報;1987年01期

3 李志瑞;張文杰;;通用腦電信號處理——微機(jī)系統(tǒng)初探[J];河北師范大學(xué)學(xué)報;1988年Z1期

4 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

5 吳小培,馮煥清,周荷琴,王濤;獨(dú)立分量分析及其在腦電信號預(yù)處理中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2001年01期

6 李英遠(yuǎn),周衛(wèi)東;徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在腦電信號建模中的應(yīng)用[J];山東生物醫(yī)學(xué)工程;2002年02期

7 劉大路,江朝暉,馮煥清,王聰;基于腦電信號時空分布信息的思維特征研究[J];北京生物醫(yī)學(xué)工程;2004年02期

8 許崇濤,沈民奮,李慧,朱國平;雙譜分析方法在腦電信號分析中的應(yīng)用[J];中國行為醫(yī)學(xué)科學(xué);2004年03期

9 湯曉軍,宋卓,楊卓,張濤;雙任務(wù)事件中腦電信號的熵計算(英文)[J];生物物理學(xué)報;2005年05期

10 蔣辰偉;章悅;曹洋;朱國行;顧凡及;王斌;;腦死亡與腦昏迷腦電信號的復(fù)雜度研究[J];生物物理學(xué)報;2008年02期

相關(guān)會議論文 前10條

1 薛蘊(yùn)全;王秋英;王宏;;腦電信號的動態(tài)時空響應(yīng)拓?fù)鋱D[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?dāng)_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(jìn)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(yùn)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(rèn)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(jī)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(jī)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(rèn)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(shí)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：1913616