基于独立元分析和复杂度的脑电信号处理

摘要

脑电(Electroencephalogh，EEG)是通过电极纪录下来的脑细胞群的自发性、节律性电活动。对脑电信号的研究可以了解脑活动机制和人的认知过程，是诊断脑疾患的重要手段，也是实现人与外界通讯的新途径。 目前，在脑电信号处理领域中，独立元分析方法已被运用于多通道脑电数据的盲源分离中。该方法有利于揭示和增强脑电信号中的隐含特征，在分离脑电伪迹和特征提取等方面具有独特的效果。 基于人脑结构和功能的复杂性，人们意识到脑的活动可能是一种混沌状态，从非线性动力学的角度，大脑可以看成一个连续自组织的非线性复杂系统。而复杂度能反映动力学系统的规则程度，揭示脑电信号的某些特征，如对研究癫痫发作具有重要的意义。 本文基于独立元分析和复杂度的方法，对脑电信号处理中的热点问题，如脑电伪迹的自动去除、基于脑电信号的意识任务分类和癫痫发作预测，进行了大量研究。 首先，论文提出了一种新的脑电信号伪迹自动去除方法。该方法对脑电信号进行独立元分析，分离出各种伪迹成分和脑电信号基本节律，并在此基础上，运用非线性指数分析方法对各种伪迹成分和脑电信号基本节律进行自动识别。对真实脑电信号的处理实验结果表明，该方法可以有效识别并去除多种伪迹成分，同时提取脑电信号的基本节律，如α波等。 其次，给出伪迹自动去除方法在基于脑电信号的意识任务分类中的应用实例，作为脑电信号的预处理环节。通过对真实脑电信号的分析和处理，验证了该方法对于脑电信号的后续研究和处理有着重要的意义。 最后，提出了基于二阶C<,0>复杂度的癫痫发作预测算法。文中通过对癫痫患者发作前期的颅内脑电信号的二阶C<,0>复杂度的分析，可自动预测癫痫发作。将该算法运用在癫痫病人和患有癫痫症的大鼠脑电数据中，实验结果表明该算法可以有效地预测癫痫发作，具有潜在的重要临床应用价值。

目录

声明

摘要

第1章绪论

1.1脑电信号的基本知识

1.1.1脑电信号产生机理和种类

1.1.2脑电信号的采集方法及应用

1.2脑电信号基本特点及主要处理方法

1.3选题意义及应用价值

1.4本文的主要工作和章节安排

第2章独立元分析和复杂度分析方法概述

2.1独立元分析的基本原理及典型算法

2.2.1独立元分析基本原理

2.1.2独立元分析典型算法

2.2复杂度及其算法

2.2.1复杂度定义

2.2.2 Lempel-Ziv复杂度

2.2.3 C0复杂度

2.2.4高阶复杂度定义

第3章独立元分析和非线性指数分析在脑电信号伪迹处理中的应用

3.1脑电信号伪迹处理的意义

3.1.1脑电信号中伪迹的定义

3.1.2去除伪迹分量的意义

3.2传统的伪迹去除方法

3.3基于独立元分析和非线性指数分析的伪迹去除方法

3.3.1独立元分析

3.3.2非线性指数分析

3.3.3伪迹去除方法流程

3.4实验结果与分析

3.4.1模拟脑电数据的实验结果

3.4.2实际脑电数据的实验结果

3.5本章小结

第4章伪迹去除方法在意识任务分类中的应用

4.1意识任务分类的意义

4.1.1脑-计算机接口(BCI)系统

4.1.2意识任务分类

4.2意识任务分类方法

4.2.1特征提取

4.2.2分类

4.3用于意识分类的脑电信号的伪迹处理

4.4实验结果与分析

4.5总结

第5章基于脑电信号复杂度的癫痫发作预测

5.1癫痫发作预测研究的意义

5.2癫痫预测算法的研究现状

5.3 C0复杂度

5.4基于二阶C0复杂度的癫痫发作预测算法

5.4.1脑电数据预处理

5.4.2脑电数据二阶C0复杂度计算

5.4.3预测算法

5.5实验结果与分析

5.5.1癫痫病人发作数据的实验结果

5.5.2大鼠癫痫发作数据的实验结果

5.6总结与讨论

第6章脑电信号伪迹处理实用系统开发

6.1系统结构

6.2系统使用说明

6.3本章小结

第7章总结和展望

7.1总结

7.2展望

参考文献

攻读硕士期间发表的论文

致谢