發(fā)布時(shí)間：2017-05-24 02:06

  本文關(guān)鍵詞：腦電雙譜分析與特征分類識(shí)別，由筆耕文化傳播整理發(fā)布。

【摘要】：腦電信號(hào)是腦神經(jīng)的生物電活動(dòng)在大腦皮層的反映，腦電信號(hào)的提取和分析能夠?yàn)獒t(yī)療提供出很好的臨床診斷作用，對(duì)腦疾病的治療提供了很好的支撐，但腦電卻也是一種非常復(fù)雜的非高斯、非線性隨機(jī)過程，傳統(tǒng)地通過時(shí)域或頻域分析已經(jīng)不能準(zhǔn)確表征信號(hào)特征，而且不利于腦電信號(hào)瞬態(tài)波形的特征提取，而高階譜方法的運(yùn)用對(duì)于腦電信號(hào)的處理研究卻具有很好效果。 在本次實(shí)驗(yàn)的設(shè)計(jì)過程，邀請(qǐng)了十多名志愿者，讓每個(gè)受試者均做了三組不同注意力測試的腦電實(shí)驗(yàn)，然后對(duì)每個(gè)人實(shí)驗(yàn)的原始數(shù)據(jù)進(jìn)行了采集和存儲(chǔ)，再對(duì)各個(gè)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了濾波、降采樣、分段等預(yù)處理，求取出腦電實(shí)驗(yàn)每個(gè)電極的雙譜三維圖、雙譜三維圖的對(duì)角切片圖。由于不同實(shí)驗(yàn)狀態(tài)下腦電信號(hào)雙譜切片具有著不同的特征，根據(jù)此提取出腦電信號(hào)在不同狀態(tài)下的特征值，并運(yùn)用SVM、KNN、PNN三種分類方法對(duì)雙譜切片的特征值進(jìn)行交叉分類處理，實(shí)現(xiàn)了在不同實(shí)驗(yàn)狀態(tài)下腦電信號(hào)的分類，進(jìn)而求取和對(duì)比了分類效果的準(zhǔn)確率和互信息值，得出SVM分類最佳的方法。之后再根據(jù)腦電OQ實(shí)驗(yàn)的C3電極和其他13個(gè)電極所具有的不同雙譜特征，，進(jìn)行了雙譜切片、雙譜切片特征值的求取，再次運(yùn)用了SVM分類對(duì)比，得出了不同腦電極信號(hào)雙譜切片具有差異性的結(jié)果。從而證明了大腦在同一電極的不同狀態(tài)下，以及同一種狀態(tài)的不同電極之間，腦電信號(hào)的非線性耦合特征具有差異性的結(jié)論。最后采用了功率譜特征值法參與比較，進(jìn)一步提高了注意集中和注意力分散方式下腦電信號(hào)的分類效果。
【關(guān)鍵詞】：信號(hào)特征 腦電實(shí)驗(yàn) 雙譜切片 分類
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：R741.044;TN911.7
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-13
• 1.1 引言7-8
• 1.2 腦電信號(hào)的研究8-11
• 1.2.1 腦電信號(hào)特征8-9
• 1.2.2 腦電研究方法9-10
• 1.2.3 高階譜的特性10-11
• 1.3 本文內(nèi)容結(jié)構(gòu)安排11-13
• 第二章 實(shí)驗(yàn)數(shù)據(jù)采集和預(yù)處理13-19
• 2.1 實(shí)驗(yàn)過程13-16
• 2.1.1 實(shí)驗(yàn)內(nèi)容和要求13-14
• 2.1.2 不同狀態(tài)下的實(shí)驗(yàn)14-16
• 2.2 腦電信號(hào)的預(yù)處理16-19
• 2.2.1 濾波器的選擇17
• 2.2.2 濾波和降采樣17-19
• 第三章 雙譜和雙譜切片19-35
• 3.1 雙譜的性質(zhì)19-23
• 3.1.1 雙譜的定義19-20
• 3.1.2 雙譜的特性20-21
• 3.1.3 雙譜估計(jì)算法21-23
• 3.2 雙譜參數(shù)的影響23-27
• 3.2.1 總采樣數(shù)參數(shù)的影響23-24
• 3.2.2 nfft點(diǎn)數(shù)和雙譜特性的相關(guān)性24-26
• 3.2.3 樣本數(shù) sampseg 的參數(shù)分析26-27
• 3.3 雙譜與非線性相位耦合27-31
• 3.3.1 非線性耦合性質(zhì)27-30
• 3.3.2 諧波信號(hào)的雙譜特性30-31
• 3.4 雙譜的切片特性31-35
• 第四章 三種分類器和互信息35-43
• 4.1 SVM分類器35-38
• 4.1.1 SVM的基本思想35-37
• 4.1.2 線性核函數(shù)37-38
• 4.1.3 SVM的應(yīng)用38
• 4.2 KNN分類38-39
• 4.2.1 K最近鄰估算法38-39
• 4.2.2 KNN法的不足和改進(jìn)39
• 4.3 PNN分類器39-41
• 4.3.1 PNN網(wǎng)絡(luò)結(jié)構(gòu)圖40
• 4.3.2 PNN的特點(diǎn)與應(yīng)用40-41
• 4.4 互信息41-43
• 4.4.1 互信息概念和定義41-42
• 4.4.2 互信息的性質(zhì)和應(yīng)用42-43
• 第五章 腦電雙譜特征和分類識(shí)別43-59
• 5.1 腦電不同實(shí)驗(yàn)的雙譜特征43-45
• 5.1.1 不同實(shí)驗(yàn)狀態(tài)下的雙譜圖43-45
• 5.1.2 腦電雙譜切片的特征值45
• 5.2 特征值的分類比較45-50
• 5.2.1 SVM分類效果圖45-48
• 5.2.2 PNN分類效果圖48-49
• 5.2.3 KNN分類效果圖49
• 5.2.4 三種分類器效果比較49-50
• 5.3 不同電極切片譜分類識(shí)別50-53
• 5.3.1 切片特征的提取50-52
• 5.3.2 不同電極切片差異性分類對(duì)比52-53
• 5.4 注意力情況的腦電特征分類53-59
• 5.4.1 功率譜特征值求取53-55
• 5.4.2 特征值分類法對(duì)比55-59
• 第六章 總結(jié)和展望59-61
• 致謝61-63
• 參考文獻(xiàn)63-67
• 在校期間科研成果67-68

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃力宇,付曉研,王玨,程敬之;用腦電雙譜分析和人工神經(jīng)網(wǎng)絡(luò)預(yù)測癲癇發(fā)作的研究[J];中國康復(fù)醫(yī)學(xué)雜志;2004年08期

2 朱也森,姜虹;腦電雙譜指數(shù)監(jiān)測腭裂手術(shù)麻醉后恢復(fù)的評(píng)價(jià)[J];上�？谇会t(yī)學(xué);2000年02期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 杜英舉;腦電雙譜分析與特征分類識(shí)別[D];西安電子科技大學(xué);2014年

  本文關(guān)鍵詞：腦電雙譜分析與特征分類識(shí)別，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：389577