本文關(guān)鍵詞：基于小波變換和卡爾曼濾波器的去眼電偽跡算法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：腦電圖作為一種非傾入式的記錄腦活動信息的方法,由于其高分辨率的特性而被廣泛用于研究大腦功能。由于腦電信號非常微弱,極易受到其它噪聲偽跡的干擾,尤其是眼電偽跡,而這嚴重影響了腦電的后續(xù)分析。因此,如何有效地去除腦電中的噪聲并獲得干凈的腦電信號成為了一項重要的研究內(nèi)容。目前,各種去眼電偽跡的方法層出不窮,但是許多方法受到各種條件的限制,例如很多方法去除眼電偽跡的時候需要同步記錄的眼電信號。而在便攜式環(huán)境下,由于腦電采集設(shè)備的導聯(lián)數(shù)目受到限制,因此這些方法并不能直接進行使用。為了解決上述問題,本文提出了小波變換結(jié)合卡爾曼濾波器模型用于自動地去除腦電中的眼電偽跡。由于眼電偽跡是隨機出現(xiàn)在腦電信號中的,所以該模型首先檢測并提取眼電偽跡出現(xiàn)的區(qū)域,并只對這些區(qū)域進行處理從而避免對非眼電區(qū)域的腦電信號造成影響。然后用小波將提取出來的眼電區(qū)域分解為4層,由于眼電信號的頻率較低,所以只用近似層的小波系數(shù)重構(gòu)出粗糙的眼電偽跡。因為重構(gòu)出的眼電偽跡中含有低頻的腦電信號,因此采用卡爾曼濾波器對重構(gòu)的眼電偽跡做進一步處理,估計出純粹的眼電偽跡,最后從原始的腦電信號中將其去除,即可得到干凈的腦電信號。為驗證上述模型的有效性,本文使用模擬數(shù)據(jù)將該模型和ICA結(jié)合小波模型及自適應(yīng)濾波器結(jié)合小波模型進行了定量的對比分析。在時域上,本文所提方法的均方誤差(MSE)值為0.0017,而ICA小波模型和自適應(yīng)濾波器小波模型的MSE分別為0.0468和0.0052;在頻域上,本文所提方法的平均絕對誤差(MAE)的均值為0.0052,而另外兩種模型的MAE的均值分別為0.0218和0.0115�？梢钥闯�,本文所提模型的MSE值和MAE的均值都要明顯小于另外兩種模型,說明該模型在時域上和頻域上都取得了更好的去眼電偽跡效果。為進一步說明該模型的實用性,本文還分別使用了由BrainCap和三導腦電采集器采集的實際腦電數(shù)據(jù)對該方法的去噪性能加以驗證,結(jié)果表明該方法能很好地去除腦電中的眼電偽跡。綜合來看,本文提出的方法能夠有效地自動去除腦電中的眼電偽跡,而且能夠很好地應(yīng)用于便攜式腦電設(shè)備。
【關(guān)鍵詞】：腦電 眼電偽跡 小波變換 卡爾曼濾波器
【學位授予單位】：蘭州大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R741.044;TN713
【目錄】：

• 中文摘要3-4
• Abstract4-8
• 第一章 緒論8-19
• 1.1 大腦的研究方法8-10
• 1.2 腦電的應(yīng)用10-12
• 1.3 腦電信號的特點及分類12-14
• 1.4 腦電信號中的各種偽跡14-15
• 1.5 眼電偽跡去除的研究現(xiàn)狀15-17
• 1.6 本文的研究工作及研究目的17
• 1.7 本文的結(jié)構(gòu)安排17-19
• 第二章 常見的去眼電偽跡的方法理論19-31
• 2.1 自適應(yīng)濾波19-21
• 2.2 獨立成分分析21-23
• 2.3 小波變換23-28
• 2.3.1 連續(xù)小波變換24-25
• 2.3.2 離散小波變換及多分辨率分析25-27
• 2.3.3 小波包分析27-28
• 2.4 希爾伯特黃變換28-30
• 2.4.1 經(jīng)驗?zāi)B(tài)分解28-29
• 2.4.2 希爾伯特譜和邊際譜29-30
• 2.5 小結(jié)30-31
• 第三章 自動去眼電偽跡模型的研究31-38
• 3.1 ICA結(jié)合小波去眼電偽跡模型31-32
• 3.2 自適應(yīng)濾波器結(jié)合小波去眼電偽跡模型32-34
• 3.3 小波結(jié)合卡爾曼濾波器去眼電偽跡模型34-38
• 第四章 實驗結(jié)果及分析38-47
• 4.1 模擬腦電數(shù)據(jù)實驗及結(jié)果38-42
• 4.2 實際腦電數(shù)據(jù)實驗及結(jié)果42-47
• 4.2.1 BrainCap采集的腦電數(shù)據(jù)的實驗42-44
• 4.2.2 三導腦電采集器采集的腦電數(shù)據(jù)的實驗44-47
• 第五章 總結(jié)和展望47-49
• 5.1 本文所做的工作47-48
• 5.2 工作展望48-49
• 參考文獻49-53
• 在學期間的研究成果53-54
• 致謝54

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉鐵軍;田銀;尹剛;堯德中;;一種基于皮層成像的自動眼電偽跡去除方法[J];中國生物醫(yī)學工程學報;2009年01期

2 向馗;羅喬;陳靜;;基于周期元分析的運動偽跡消除方法——以心電信號為例[J];生物醫(yī)學工程學雜志;2012年04期

3 彭誠;葉大田;;小波變換模極大值重建方法消除胃電檢測中的運動偽跡[J];清華大學學報(自然科學版);2007年03期

4 應(yīng)俊;陳廣飛;何史林;;基于獨立分量分析算法的腦電偽跡分離研究[J];中國醫(yī)療器械雜志;2010年01期

5 張莉;何傳紅;何為;王林泓;;基于典型相關(guān)分析與低通濾波的肌電偽跡去除[J];數(shù)據(jù)采集與處理;2010年02期

6 林紹杰;賴麗娟;吳效明;;基于阻抗檢測的自適應(yīng)消除心電運動偽跡方法[J];生物醫(yī)學工程學雜志;2010年03期

7 魏穎雯;閆相國;;應(yīng)用經(jīng)驗?zāi)Ｊ椒纸馊コt外光的運動偽跡[J];西安交通大學學報;2014年02期

8 劉鐵軍;顏紅梅;陳華富;堯德中;;基于獨立成分分析和最小模解的眼電偽跡去除[J];中國臨床康復;2005年40期

9 董宏斌;劉晉明;毛建燦;;嵌入式聽力診斷系統(tǒng)中的偽跡消除方法[J];單片機與嵌入式系統(tǒng)應(yīng)用;2011年07期

10 劉長生;唐艷;湯井田;;基于獨立分量分析的腦電中眼電偽跡消除[J];計算機工程與應(yīng)用;2007年17期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 劉鐵軍;堯德中;;基于回歸眼電偽跡處理方法與基于成分分析眼電偽跡處理方法的應(yīng)用郊果比較[A];第一屆全國腦與認知科學學術(shù)研討會論文集[C];2005年

2 張莉;何為;何傳紅;;腦電偽跡消除方法的研究[A];第十屆全國電工數(shù)學學術(shù)年會論文集[C];2005年

3 朱國行;孫冰;章悅;洪震;;腦電圖偽跡判定[A];第九次全國神經(jīng)病學學術(shù)大會論文匯編[C];2006年

4 王嬈芬;張建華;王行愚;;基于ICA和FCM算法的操作員腦電信號眼電偽跡自動去除研究[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 劉鐵軍;腦電信號中眼電偽跡去除方法研究[D];電子科技大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李洋;基于小波變換和卡爾曼濾波器的去眼電偽跡算法的研究[D];蘭州大學;2016年

2 陸云達;基于內(nèi)源信號的腦功能光學成像血管偽跡檢測及去除方法研究[D];上海交通大學;2012年

3 李大煥;基于精確延時估計的腦電磁共振同時測量時梯度偽跡的去除[D];電子科技大學;2009年

4 尹兵;腦電波信號的去偽跡研究[D];南京郵電大學;2014年

5 王振宇;腦電信號偽跡去除方法的研究與應(yīng)用[D];電子科技大學;2013年

6 張姍姍;基于盲源分離的眼電偽跡去除技術(shù)研究[D];鄭州大學;2014年

7 黃思娟;基于小波分析的EEG偽跡去除與特征分析研究[D];華南理工大學;2011年

8 韓理;視神經(jīng)電刺激誘發(fā)皮層響應(yīng)的記錄與信號處理方法的研究[D];上海交通大學;2008年

9 王兵;腦電信號中偽跡去除的綜合研究[D];浙江大學;2010年

10 陳立偉;基于PCA、ICA的腦電偽跡消除研究[D];電子科技大學;2004年

  本文關(guān)鍵詞：基于小波變換和卡爾曼濾波器的去眼電偽跡算法的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：322236