高频脑电信号的非线性动力学参数分析

摘要

脑电信号是混沌信号,它具有广泛的非线性动力学特征,这一观点已经得到学术界的证实与认同,因此可以应用非线性动力学方法来分析脑电信号,并快速有效地提取脑电信号的非线性动力学特征参数,探索这些参数与脑功能障碍或疾病的关系,并可在临床上利用这些参数指标来实现对脑功能的评价、脑疾病的诊断和脑疾病康复过程中的监测与检查.本研究课题是以非线性动力学理论为理论基础,在广泛研究国内外有关脑电研究的现状和分析方法的基础上,对脑电信号的非线性动力学的理论与方法作了详细的分析与研究.

目录

文摘

英文文摘

1绪论

1.1前言

1.2国内外研究现状

1.3本课题的主要研究内容与意义

2非线性动力学理论与方法

2.1非线性系统与非线性动力学

2.1.1非线性系统及其性质

2.1.2非线性动力学的内容、方法与意义

2.1.3非线性动力学的发展简史

2.2非线性动力学系统的特征识别

2.2.1混沌及其本质

2.2.2奇异吸引子

2.2.3相空间重构

2.2.4非线性动力学系统的数值识别

2.3非线性动力学在生物医学工程领域的应用

3非线性动力学系统特征量

3.1分数维值

3.1.1分数维值的定义

3.1.2 G-P算法

3.1.3改进的G-P算法

3.1.4改进的G-P算法的实验验证

3.2复杂性测度

3.2.1 Kolmogorov复杂度

3.2.2 G、C2复杂度

3.2.3高阶复杂度

3.2.4复杂度计算方法

3.3 Lyapunov指数

3.3.1 Lyapunov指数

3.3.2 Lyapunov指数谱

3.3.3 Lyapunov指数的计算

3.4熵

3.4.1熵的基本概念

3.4.2 Kolmogorov熵

3.4.3近似熵

3.4.4近似熵的计算方法

4脑电信号的预处理

4.1脑电信号的采集

4.2脑电信号的去噪

4.3阵发性脑电信号的提取

4.4脑电信号的分段

4.5脑电信号的谱分析

5脑电信号的非线性动力学方法

5.1脑电信号的混沌特性

5.2分数维值的估计

5.2.1脑电时间序列重构参数的选择

5.2.2分数维值计算参数的选择

5.2.3分数维值计算的实现

5.3复杂性测度

5.3.1脑电信号复杂度计算参数的选择

5.3.2脑电信号复杂度计算的实现

5.4Lyapunov指数

5.4.1 Lyapunov指数计算参数的选择

5.4.2 Lyapunov指数计算的实现

5.5近似熵

5.5.1近似熵计算参数的选择

5.5.2近似熵计算方法的实现

6应用临床实验与分析

6.1材料与方法

6.2正常人不同状态下的结果分析与对比

6.2.1安静闭眼与安静睁眼

6.2.2安静闭眼与闭眼计算

6.2.3安静闭眼与闭眼记忆

6.2.4安静闭眼与闭眼联想

6.2.5安静睁眼与睁眼推理

6.3病人在不同状态下的结果分析与对比

6.4正常人与病人在相同状态下的结果分析与对比

6.4.1安静闭眼状态

6.4.2安静睁眼状态

6.5统计结果分析

6.5.1分数维值统计结果

6.5.2 Kolmogorov复杂度统计结果

6.5.3 Lyapunov指数统计结果

6.5.4近似熵统计结果

7结论与展望

7.1研究工作的主要结论

7.2后续工作展望

致 谢

参考文献

附 录：作者在攻读硕士学位期间发表的论文目录

独创性声明及关于学位版权使用授权书