小波变换和神经网络在脑电信号处理中的应用研究

摘要

脑电信号中包含了大量的生理与病理信息,在临床医学与脑科学的研究中起着非常重要的作用.该论文在简单介绍神经网络和小波变换的原理基础上,利用这两种先进的信号处理手段对脑电信号进行了建模,去噪,压缩,特征提取等各种处理.对脑电信号建模将有助于信号的进一步处理,该文利用BP和RBF神经网络分别对脑电信号建立了系统模型,并比较了这两类神经网络在信号建模方面的异同.经过研究,该论文提出了一种基于神经网络的滤波器设计新算法,并将它与常规的用窗函数法设计的滤波器进行了对比,发现基于神经网络的方法所设计出的滤波器具有通带阻带无波动无过冲等优点,从而具有更好的性能,在文中给出了试验和结论.该论文讨论了用于脑电信号处理的阈值去噪算法,提出了确定阈值的方法.同时该论文也给出了小波模极大值滤波算法,并针对脑电信号的特点对其算法细节进行了较大的改进.利用这两种方法滤除噪声都取得了较好的滤波效果,文中给出了实验结果并将两种方法进行了对比.该论文在研究神经网络和小波分析的基础上,提出了一些新的算法和思路,并将其应用在脑电信号这一典型的生理信号的处理上.这对于新型的具有更高性能的脑电分析仪的开发与研制,脑电医疗数据的大规模存储等将具有较大的应用价值.

目录

摘 要

ABSTRACT

符号说明

前 言

第一章神经网络

1.1神经网络的特点

1.2BP和RBF神经网络

1.3BP和RBF神经网络在脑电信号建模中的实验与结论

1.3.1 RBF网络建模效果

1.3.2 BP网络建模效果

1.4基于神经网络的FIR滤波器设计新算法

1.4.1 FIR滤波器设计的神经网络方法

1.4.2新算法在去除脑电信号工频干扰中的实验及结论

1.4.3与用常规方法设计的FIR滤波器的实验结果对比

第二章小波变换

2.1小波变换原理

2.2 Mallat快速算法

2.3脑电信号小波去噪算法与实验结果

2.3.1阈值法在滤除脑电信号白噪声干扰中的实验及结论

2.3.2 模极大值法在滤除脑电信号白噪声干扰中的实验及结论

第三章小波神经网络结构与训练算法的设计

3.1小波网络理论基础

3.2隐层传递函数及节点数的确定

3.2.1小波基的初始静态选择

3.2.2基于OLS算法再次确定小波基

3.3小波网络训练算法设计

3.3.1梯度下降法

3.3.2学习率的自适应调整算法和学习率因子的取值

3.4用小波网络压缩脑电信号和特征提取

3.4.1脑电数据压缩—实验与结论

3.4.2脑电信号压缩数据存储格式

3.4.3特征提取

3.4.4对小波网络及其应用的展望

第四章结束语

参考文献

致谢

攻读硕士研究生期间发表论文