發(fā)布時(shí)間：2017-08-16 17:32

  本文關(guān)鍵詞：基于導(dǎo)聯(lián)信號(hào)組合的腦電信號(hào)處理及其在中風(fēng)病人腦電信號(hào)分析中的應(yīng)用

  更多相關(guān)文章： 腦電信號(hào)處理 導(dǎo)聯(lián)信號(hào)相乘 P300 中風(fēng) 運(yùn)動(dòng)想象腦電信號(hào) 特征提取

【摘要】：腦電信號(hào)(Electroencephalogram, EEG)是大腦神經(jīng)細(xì)胞電生理活動(dòng)在大腦皮層和頭皮表面的總體反映,包含了大量生理和疾病信息。腦電信號(hào)的發(fā)現(xiàn)有助于人們進(jìn)一步研究大腦構(gòu)造及其思維機(jī)制。目前,腦電信號(hào)已被應(yīng)用于信息輸入、外部設(shè)備控制、心理學(xué)研究、疾病的康復(fù)與治療等領(lǐng)域,而隨著信號(hào)處理學(xué)的發(fā)展,越來(lái)越多的腦電信號(hào)處理算法也被應(yīng)用于腦電信號(hào)分析中。傳統(tǒng)腦電信號(hào)處理算法包括預(yù)處理、特征提取和分類三個(gè)過(guò)程。腦電信號(hào)處理算法的好壞直接決定了腦電信號(hào)分析的準(zhǔn)確性以及是否能夠?qū)δX電信號(hào)中很多有用的隱藏信息進(jìn)行挖掘。本文在研究已有的腦電信號(hào)處理算法基礎(chǔ)上,針對(duì)傳統(tǒng)P300腦電信號(hào)特征提取算法基于多導(dǎo)腦電信號(hào)進(jìn)行特征提取,數(shù)據(jù)量大,特征提取效率低等問(wèn)題,提出了基于導(dǎo)聯(lián)信號(hào)組合的P300腦電信號(hào)特征提取算法,并將基于導(dǎo)聯(lián)信號(hào)相乘的腦電信號(hào)處理算法應(yīng)用于中風(fēng)病人腦電信號(hào)特征研究中。首先,本文提出了三種基于導(dǎo)聯(lián)信號(hào)組合的P300腦電信號(hào)特征提取算法。根據(jù)被試腦電信號(hào)特征,僅選取P300特征較明顯的兩個(gè)導(dǎo)聯(lián)腦電信號(hào),分別通過(guò)導(dǎo)聯(lián)信號(hào)相乘、導(dǎo)聯(lián)信號(hào)卷積、導(dǎo)聯(lián)信號(hào)矩陣相乘算法使P300特征更加顯著,以能量熵作為P300腦電信號(hào)特征值,送入支持向量機(jī)中進(jìn)行分類。通過(guò)BCI競(jìng)賽字符拼寫器實(shí)驗(yàn)數(shù)據(jù)、人臉圖片測(cè)謊實(shí)驗(yàn)P300數(shù)據(jù)和模擬網(wǎng)絡(luò)詐騙實(shí)驗(yàn)P300數(shù)據(jù)進(jìn)行驗(yàn)證。結(jié)果表明,本文提出的算法可以有效提取P300腦電信號(hào)特征,在降低提取特征的個(gè)數(shù),大幅減少數(shù)據(jù)量的同時(shí),取得了較高的分類正確率,有利于在線應(yīng)用。與相關(guān)文獻(xiàn)相比,本文提出的算法數(shù)據(jù)量最多減少了93.8%。此外,導(dǎo)聯(lián)信號(hào)相乘、卷積和矩陣相乘算法分別在字符拼寫器、人臉圖片測(cè)謊和模擬網(wǎng)絡(luò)詐騙實(shí)驗(yàn)P300數(shù)據(jù)上獲得了93%、88.6%和90.6%的最佳分類表現(xiàn)。在各自表現(xiàn)最優(yōu)的數(shù)據(jù)上,三種算法的分類正確率比參考文獻(xiàn)最多提高了15.6、5.8和11.9個(gè)百分點(diǎn)。其次,本文通過(guò)我們?cè)O(shè)計(jì)的運(yùn)動(dòng)想象腦電信號(hào)刺激器,對(duì)中風(fēng)病人自由想象和運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行采集。由于本文提出的基于導(dǎo)聯(lián)信號(hào)組合的腦電信號(hào)處理算法適合于特征空間分布較為集中的腦電信號(hào),如P300腦電信號(hào),運(yùn)動(dòng)想象腦電信號(hào)等。因此,本文首先通過(guò)大腦兩側(cè)所有導(dǎo)聯(lián)采集的數(shù)據(jù)對(duì)中風(fēng)病人自由想象腦電信號(hào)時(shí)頻域能量進(jìn)行分析,然后用提出的基于導(dǎo)聯(lián)信號(hào)相乘的腦電信號(hào)處理算法對(duì)C3、C4及其臨近導(dǎo)聯(lián)采集到的中風(fēng)病人運(yùn)動(dòng)想象腦電信號(hào)時(shí)頻域特征進(jìn)行研究,并觀察運(yùn)動(dòng)想象腦電信號(hào)事件相關(guān)同步化／去同步(Event Related Synchronization/Desynchronization, ERS/ERD)現(xiàn)象。經(jīng)12名被試腦電信號(hào)數(shù)據(jù)驗(yàn)證,在時(shí)域分析中發(fā)現(xiàn)83.3%的被試大腦患病側(cè)自由想象腦電信號(hào)能量比健康側(cè)低,66.7%的被試肢體運(yùn)動(dòng)不利側(cè)對(duì)應(yīng)的上肢運(yùn)動(dòng)想象腦電信號(hào)ERS/ERD現(xiàn)象不顯著；在頻域分析中發(fā)現(xiàn)83.3%的被試大腦患病側(cè)自由想象腦電信號(hào)能量比健康側(cè)低,58.3%的被試肢體不利側(cè)對(duì)應(yīng)的上肢運(yùn)動(dòng)想象腦電信號(hào)ERS/ERD現(xiàn)象不顯著。進(jìn)一步對(duì)位于大腦患病側(cè)的相關(guān)導(dǎo)聯(lián)采集到的腦電信號(hào)頻域能量進(jìn)行分析,66.7%的被試在進(jìn)行左右手運(yùn)動(dòng)想象時(shí),該導(dǎo)聯(lián)腦電信號(hào)的頻域能量并未出現(xiàn)符合規(guī)律的ERS/ERD現(xiàn)象。本研究結(jié)果說(shuō)明中風(fēng)對(duì)病人大腦患病側(cè)自由想象和運(yùn)動(dòng)想象腦電信號(hào)均有比較大的抑制,通過(guò)對(duì)中風(fēng)病人大腦患病側(cè)與健康側(cè)自由想象腦電信號(hào)能量的對(duì)比以及運(yùn)動(dòng)想象腦電信號(hào)中ERS/ERD現(xiàn)象顯著程度的分析,為中風(fēng)病人的康復(fù)程度評(píng)估提供一定的幫助,同時(shí)也為今后的中風(fēng)病人康復(fù)手段改進(jìn)提供一種思路。最后,本文對(duì)實(shí)驗(yàn)室搭建的基于GKT (Guilty Knowledge Test)范式的測(cè)謊實(shí)驗(yàn)平臺(tái)、基于運(yùn)動(dòng)想象腦電信號(hào)刺激器的中風(fēng)病人腦電信號(hào)采集實(shí)驗(yàn)平臺(tái)以及腦電信號(hào)分析工具——MATLAB進(jìn)行了介紹。
【關(guān)鍵詞】：腦電信號(hào)處理 導(dǎo)聯(lián)信號(hào)相乘 P300 中風(fēng) 運(yùn)動(dòng)想象腦電信號(hào) 特征提取
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN911.7;R743.3
【目錄】：

• 致謝4-5
• 摘要5-7
• Abstract7-12
• 第1章 緒論12-20
• 1.1 腦電信號(hào)處理的研究背景與意義12-15
• 1.1.1 腦機(jī)接口技術(shù)12-13
• 1.1.2 基于ERP的測(cè)謊技術(shù)13-14
• 1.1.3 中風(fēng)疾病的康復(fù)與治療14-15
• 1.2 腦電信號(hào)處理算法的研究現(xiàn)狀15-17
• 1.2.1 預(yù)處理算法16
• 1.2.2 特征提取算法16-17
• 1.2.3 分類算法17
• 1.3 論文的研究?jī)?nèi)容與組織結(jié)構(gòu)17-20
• 第2章 腦電信號(hào)及其處理算法20-33
• 2.1 腦電信號(hào)概述20-25
• 2.1.1 腦電信號(hào)的產(chǎn)生機(jī)理20-21
• 2.1.2 P300電位21-23
• 2.1.3 運(yùn)動(dòng)想象腦電信號(hào)23-25
• 2.2 腦電信號(hào)處理算法25-32
• 2.2.1 拉普拉斯算法26-27
• 2.2.2 小波變換27-30
• 2.2.3 能量熵30
• 2.2.4 支持向量機(jī)30-32
• 2.3 本章小結(jié)32-33
• 第3章 基于導(dǎo)聯(lián)信號(hào)組合的P300腦電信號(hào)特征提取33-49
• 3.1 算法概述33-34
• 3.2 實(shí)驗(yàn)數(shù)據(jù)來(lái)源34-37
• 3.2.1 BCI競(jìng)賽字符拼寫器34-35
• 3.2.2 人臉圖片測(cè)謊實(shí)驗(yàn)數(shù)據(jù)35-36
• 3.2.3 模擬網(wǎng)絡(luò)詐騙實(shí)驗(yàn)數(shù)據(jù)36-37
• 3.3 電極選擇及腦電信號(hào)預(yù)處理37-40
• 3.3.1 電極選擇37-38
• 3.3.2 腦電信號(hào)預(yù)處理38-40
• 3.4 基于導(dǎo)聯(lián)信號(hào)組合的P300腦電信號(hào)特征提取40-45
• 3.4.1 基于導(dǎo)聯(lián)信號(hào)相乘的P300腦電信號(hào)特征提取40-42
• 3.4.2 基于導(dǎo)聯(lián)信號(hào)卷積的P300腦電信號(hào)特征提取42-43
• 3.4.3 基于導(dǎo)聯(lián)信號(hào)矩陣相乘的P300腦電信號(hào)特征提取43-45
• 3.5 分類結(jié)果與分析45-48
• 3.6 本章小結(jié)48-49
• 第4章 基于導(dǎo)聯(lián)信號(hào)相乘的中風(fēng)病人腦電信號(hào)分析49-66
• 4.1 實(shí)驗(yàn)數(shù)據(jù)來(lái)源49-51
• 4.1.1 中風(fēng)病人情況介紹49
• 4.1.2 數(shù)據(jù)采集方法49-51
• 4.2 中風(fēng)病人自由想象腦電信號(hào)處理51-56
• 4.2.1 中風(fēng)病人自由想象腦電信號(hào)時(shí)域能量51-54
• 4.2.2 中風(fēng)病人自由想象腦電信號(hào)頻域能量54-56
• 4.3 基于導(dǎo)聯(lián)信號(hào)相乘的中風(fēng)病人運(yùn)動(dòng)想象腦電信號(hào)處理56-61
• 4.3.1 中風(fēng)病人運(yùn)動(dòng)想象腦電信號(hào)時(shí)域能量56-59
• 4.3.2 中風(fēng)病人運(yùn)動(dòng)想象腦電信號(hào)頻域能量59-61
• 4.4 結(jié)果與分析61-64
• 4.4.1 中風(fēng)病人大腦患病側(cè)與健康側(cè)自由想象腦電信號(hào)分析61-62
• 4.4.2 中風(fēng)病人大腦患病側(cè)與健康側(cè)運(yùn)動(dòng)想象腦電信號(hào)分析62-63
• 4.4.3 中風(fēng)病人腦電信號(hào)分析在康復(fù)治療中的意義63-64
• 4.5 本章小結(jié)64-66
• 第5章 腦電信號(hào)采集與分析平臺(tái)的搭建66-73
• 5.1 基于GKT范式的測(cè)謊實(shí)驗(yàn)平臺(tái)66-68
• 5.1.1 E-Prime66-67
• 5.1.2 上海諾誠(chéng)腦電圖儀67-68
• 5.2 中風(fēng)病人腦電信號(hào)采集平臺(tái)68-71
• 5.2.1 運(yùn)動(dòng)想象腦電信號(hào)刺激器69-70
• 5.2.2 俄羅斯Neuron-Spectrum-5型腦電圖儀70-71
• 5.3 腦電信號(hào)分析工具——MATLAB71
• 5.4 本章小結(jié)71-73
• 第6章 總結(jié)與展望73-76
• 參考文獻(xiàn)76-84
• 附錄一84-89
• 作者簡(jiǎn)歷及在學(xué)習(xí)期間的相關(guān)科研成果89

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 薛蘊(yùn)全,王秋英,王宏;腦電信號(hào)的動(dòng)態(tài)時(shí)空響應(yīng)拓?fù)鋱D[J];儀器儀表學(xué)報(bào);2001年S1期

2 馬穎穎;張涇周;吳疆;;腦電信號(hào)處理方法[J];北京生物醫(yī)學(xué)工程;2007年01期

3 謝松云;張振中;楊金孝;張坤;;腦電信號(hào)的若干處理方法研究與評(píng)價(jià)[J];計(jì)算機(jī)仿真;2007年02期

4 魯強(qiáng);劉玉軍;徐建蘭;張進(jìn)祿;;一種適用于清醒動(dòng)物腦電信號(hào)采集的固定裝置[J];首都醫(yī)科大學(xué)學(xué)報(bào);2011年06期

5 董盟盟;仲軼;徐潔;戴體俊;劉功儉;;基于小波分析的腦電信號(hào)處理[J];電子設(shè)計(jì)工程;2012年24期

6 戴銀濤,吳祈耀;快速提取腦電信號(hào)的譜分量參數(shù)[J];北京生物醫(yī)學(xué)工程;1989年01期

7 孟欣，歐陽(yáng)楷;腦電信號(hào)的幾個(gè)非線性動(dòng)力學(xué)分析方法[J];北京生物醫(yī)學(xué)工程;1997年03期

8 程明,高上凱,張琳;基于腦電信號(hào)的腦—計(jì)算機(jī)接口[J];北京生物醫(yī)學(xué)工程;2000年02期

9 羅建,崔亮,衛(wèi)娜,張治鋼;腦電信號(hào)采集與處理系統(tǒng)的研制[J];醫(yī)療衛(wèi)生裝備;2000年06期

10 吳小培,馮煥清,周荷琴,王濤;獨(dú)立分量分析及其在腦電信號(hào)預(yù)處理中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2001年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 薛蘊(yùn)全;王秋英;王宏;;腦電信號(hào)的動(dòng)態(tài)時(shí)空響應(yīng)拓?fù)鋱D[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（上）[C];2001年

2 王裕清;粱平;郭付清;張登攀;;腦電信號(hào)診斷專家系統(tǒng)的研究[A];中國(guó)生理學(xué)會(huì)第21屆全國(guó)代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2002年

3 朱林劍;包海濤;孫守林;梁豐;;新型腦電信號(hào)采集方法與應(yīng)用研究[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

4 許濤;朱林劍;包海濤;;基于思維腦電信號(hào)的假手的研究[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國(guó)家——2006中國(guó)科協(xié)年會(huì)論文集（下冊(cè)）[C];2006年

5 李愛(ài)新;孫鐵;郭炎峰;;基于人工神經(jīng)網(wǎng)絡(luò)的腦電信號(hào)模式分類[A];自動(dòng)化技術(shù)與冶金流程節(jié)能減排——全國(guó)冶金自動(dòng)化信息網(wǎng)2008年會(huì)論文集[C];2008年

6 童珊;黃華;陳槐卿;;混沌理論在腦電信號(hào)分析中的應(yīng)用[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

7 李凌;曾慶寧;堯德中;;利用兩級(jí)抗交叉串?dāng)_自適應(yīng)濾波器提取誘發(fā)腦電信號(hào)[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

8 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2007年

9 李麗君;黃思娟;吳效明;熊冬生;;基于運(yùn)動(dòng)想象的腦電信號(hào)特征提取與分類[A];中國(guó)儀器儀表學(xué)會(huì)醫(yī)療儀器分會(huì)2010兩岸四地生物醫(yī)學(xué)工程學(xué)術(shù)年會(huì)論文集[C];2010年

10 葛家怡;周鵬;王明時(shí);;睡眠腦電信號(hào)樣本熵的研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 張文清　記者 王春;意念控制車速及左右轉(zhuǎn)彎前行[N];科技日?qǐng)?bào);2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 彭宏;普適化腦電信息感知關(guān)鍵問(wèn)題的研究[D];蘭州大學(xué);2015年

2 吳玉鵬;AR譜在皮層癇樣腦電信號(hào)分析應(yīng)用[D];河北醫(yī)科大學(xué);2015年

3 吳畏;基于統(tǒng)計(jì)建模的多導(dǎo)聯(lián)腦電信號(hào)時(shí)空建模方法研究[D];清華大學(xué);2012年

4 孫宇舸;腦—機(jī)接口系統(tǒng)中腦電信號(hào)處理方法的研究[D];東北大學(xué);2012年

5 周群;腦電信號(hào)同步：方法及應(yīng)用研究[D];電子科技大學(xué);2009年

6 趙麗;基于腦電信號(hào)的腦-機(jī)接口技術(shù)研究[D];天津大學(xué);2004年

7 李春勝;腦電信號(hào)混沌特性的研究與應(yīng)用[D];東北大學(xué);2011年

8 歐陽(yáng)高翔;癲癇腦電信號(hào)的非線性特征識(shí)別與分析[D];燕山大學(xué);2010年

9 繆曉波;基于腦電信號(hào)的認(rèn)知?jiǎng)恿W(xué)系統(tǒng)研究——線性/非線性方法及動(dòng)態(tài)時(shí)—頻—空分析[D];重慶大學(xué);2004年

10 張美云;阿爾茨海默病腦電信號(hào)多尺度時(shí)空定量特征研究[D];天津醫(yī)科大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 于洪;基于腦電信號(hào)的警覺(jué)度估計(jì)[D];上海交通大學(xué);2007年

2 蔣潔;基于高性能計(jì)算的腦電信號(hào)分析[D];燕山大學(xué);2010年

3 張志琴;腦電信號(hào)的復(fù)雜性分析[D];中南大學(xué);2009年

4 許鳳娟;腦電信號(hào)采集與分析系統(tǒng)的設(shè)計(jì)[D];長(zhǎng)春理工大學(xué);2011年

5 曹銘;意識(shí)障礙患者腦電信號(hào)的非線性動(dòng)力學(xué)評(píng)價(jià)分析[D];杭州電子科技大學(xué);2012年

6 薛吉星;多通道腦電信號(hào)采集與處理系統(tǒng)研究[D];華南理工大學(xué);2015年

7 劉靜;基于加權(quán)排序熵的多通道腦電信號(hào)同步算法研究[D];燕山大學(xué);2015年

8 陳澤濤;基于腦電信號(hào)分析的AD早期評(píng)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];燕山大學(xué);2015年

9 王歡;基于非平穩(wěn)時(shí)間序列分析方法的腦電信號(hào)模式識(shí)別[D];蘇州大學(xué);2015年

10 王瓊穎;腦電信號(hào)的非線性動(dòng)力學(xué)分析及其在睡眠分期中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號(hào)：684593