基于MMTD的脑电信号去噪与特征提取方法研究

摘要

脑电信号(Electroencephalogram，EEG)中含有能够客观地反映出人近期生理和心理状况的信息，通过对EEG信号进行研究和分析，可以获得大量有用的医学、生理和心理信息，对疾病的治疗和检测具有重要的意义。近年来，脑-机接口(Brain-Computer Interface，BCI)系统已经成为脑科学领域研究的热点，EEG信号与外部设备之间的传输是BCI研究的关键。因此，需要借助于EEG处理的方法提取出有效的信号达到人机交互的目的。然而，EEG是非平稳非线性的信号且易受噪声的干扰，给信号的去噪以及特征提取带来极大的困扰。尽管目前有许多EEG去噪以及特征提取的方法，但在精度或者效率方面都存在一定问题。针对上述问题，本文提出基于MMTD与小波阈值相结合的EEG信号去噪方法、基于EMD分解EEG的特征提取方法。本文完成的主要工作如下：
　　（1）针对EEG采集时易受到噪声干扰的问题与小波阈值算法在EEG滤波中存在的不足，文中提出了基于MMTD与小波硬阈值的EEG信号去噪方法与基于MMTD与小波软阈值的EEG信号去噪方法，实验表明，文中提出的两种EEG信号去噪方法都是有效的。
　　（2）针对EEG信号的产生机理非常复杂，可以直接进行分类识别的信号是很难获取的问题。本文在基于EMD信号分解的基础上，依据EEG中的ERS/ERD现象，提出把IMF分量能量相对偏离度作为EEG信号特征属性，并将IMF分量的相对能量偏离度、IMF分量的能量、IMF分量的相对能量组合成特征向量用于后续的EEG分类。
　　（3）由于不同的分类器其泛化能力有一定的差异，因此分类器的选取对EEG信号分类识别率有较大影响，本文在基于上述选取的三种信号特征的基础上，提出基于SVM的EEG分类方法对EEG信号进行分类。实验表明，文中提出的特征提取方法是有效的。

目录

声明

专用术语注释表

第一章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3论文研究内用及组织结构

第二章 中介数学及EEG理论基础

2.1中介数学系统的哲学背景和中介原则

2.2 MMTD的简介

2.3 EEG简介

2.4本章小结

第三章 基于MMTD与小波阈值的EEG去噪方法

3.1小波阈值去噪简介

3.2基于MMTD与小波硬阈值的EEG去噪方法

3.3基于MMTD与小波软阈值的EEG去噪方法

3.4本章小结

第四章 基于EMD的EEG特征提取方法研究

4.1 EMD简介

4.2基于EMD的EEG分解

4.3 IMF能量空间特征提取

4.4本章小结

第五章 基于SVM的EEG分类方法

5.1 SVM分类方法简介

5.2基于SVM的EEG分类实现

5.3实验结果及分析

5.4本章小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

附录1 攻读硕士学位期间撰写的论文

附录2 攻读硕士学位期间参加的科研项目

致谢