脑电节律提取新方法及睡眠自动分阶研究

摘要

睡眠是一项非常重要的生命过程，是人体重要的生理活动，它与人的健康、学习、生活、工作等之间的关系甚为密切，但至今人类对其了解还很少。失眠是一种最为常见的睡眠障碍性疾病。失眠是指睡眠的始发和维持障碍，致使睡眠的质和量不能满足个体生理需要并对患者白天的活动有明显的不良影响，同时客观检测出现异常的综合征。脑电信号(EEG)包含的信息量非常大，它作为目前诊断脑部疾病的重要参考和研究大脑功能的重要依据，所反映出来的是在头皮表面或大脑皮层脑神经细胞的电生理活动情况。研究基于脑电信号的睡眠分期方法，对失眠的治疗起到了非常重要的作用。
　　脑电信号是时变、非平稳信号，不同时刻含有不同的频率成分，因此从脑电信号中提取出各节律成分，成为了研究脑电信号不可或缺的环节。本文介绍了人类睡眠的背景知识以及脑电信号分析技术的研究现状等;详细介绍了传统小波变换和第二代小波变换理论，以及对脑电信号进行节律提取的优缺点比较;阐述了提升算法理论基础及算法描述，完成对DB4小波的提升，运用DB4小波提升算法对脑电信号进行节律提取;针对睡眠各时期不同的信号特征，介绍了睡眠分期规则以及睡眠各期特点，对睡眠脑电信号进行Hilbert-Huang变换，通过经验模态分解得到固有模态函数，求出对应的瞬时频率，研究其物理意义，研究了基于脑电信号的Hilbert-Huang变换的睡眠分期方法。
　　实验表明DB4小波提升算法可以提取出高质量的睡眠脑电信号δ波和θ波节律，实现了小波提升算法在脑电信号节律提取中的应用，证明了它的可行性。高质量的δ波和θ波，为诱导失眠患者入眠提供了保证，从而达到治疗失眠的目的。通过对睡眠脑电信号进行Hilbert-Huang变换，经验模态分解脑电信号得到固有模态函数，求得具有物理意义的瞬时频率和幅值谱，同时得到脑电信号在频率上的能量分布，作为睡眠脑电信号各时期的特征，经Hilbert-Huang变换得到的睡眠脑电信号特征可以作为睡眠分期的有效依据。通过对120组睡眠脑电信号数据进行分阶，平均准确率达到了82.49％。

目录

摘要

第一章 绪论

1．1 学术背景及理论与实际意义

1．1．1 课题研究背景

1．1．2 小波分析

1．1．3 研究意义

1．2 国内外文献综述

1．3 课题来源及主要的研究内容

1．3．1 课题来源

1．3．2 研究内容

1．4 论文结构

第二章 脑电信号处理方法

2．1 脑电信号的特点

2．2 脑电信号的频带成分

2．3 脑电信号处理方法

2．3．1 时域分析

2．3．2 频域分析

2．3．3 时频分析

2．4 本章小结

第三章 小波变换理论

3．1 传统小波变换

3．1．1 连续小波变换及其时频特征

3．1．2 Mallat算法

3．2 第二代小波变换

3．2．1 第二代小波变换原理

3．3 本章小结

第四章 提升算法在脑电信号节律提取中的应用

4．1 提升算法

4．1．1 Laurent多项式的Euclid算法

4．1．2 多相位矩阵的因子分解

4．1．3 提升格式算法描述

4．2 DB4小波变换的提升实现

4．3 脑电信号节律提取软件实现

4．3．1 脑电数据来源

4．3．2 实验结果

4．4 本章小结

第五章 睡眠脑电信号的自动分阶

5．1 数据来源

5．2 睡眠分期规则的制定

5．3 睡眠各期脑电信号特征

5．4 Hilbert-Huang变换及经验模态分解

5．4．1 Hilbert-Huang变换方法

5．4．2 Hilbert变换和Hilbert谱

5．5 实验结果及其分析

5．5．1 IMF分量

5．5．2 瞬时频率与瞬时振幅

5．5．3 Hilbert-Huang谱

5．5．4 边际谱图

5．5．5 睡眠脑电自动分阶结果

5．6 本章小结

结论与展望

参考文献

攻读硕士学位期间发表论文

声明

致谢