基于WICA的腦電特征節(jié)律提取及三維構(gòu)建.pdf

1、腦電信號可以比較客觀地反映出大腦的活動，腦電圖除了應(yīng)用于腦科學(xué)的一些基礎(chǔ)領(lǐng)域的研究外，最重要的應(yīng)用當(dāng)屬臨床診斷以及腦機接口技術(shù)。對腦電信號進行處理就是希望從信噪比很低腦電信號中提取出一些微弱的有用的腦電節(jié)律信號。為了很好地分離這些控制信號或者思維活動的信號，我們通常采用盲源分離技術(shù)，而通常直接采用盲源分離技術(shù)在對多通道的腦電信號處理時，效果往往會比較差，或者說誤差比較大，本文采用小波包分析理論，以及小波包與獨立分量分析理論相結(jié)合的方法對

2、腦電信號進行處理，得到不錯的分離效果。
　　時域分析以及簡單地頻域濾波是傳統(tǒng)的信號處理方法，在對腦電信號進行分析處理時，時域分析以及簡單地頻域濾波這兩種方法顯然不能得到較好的結(jié)果。這是由腦電信號一些典型的特征決定的，這些特征包括腦電信號是非線性信號，以及腦電信號具有較強的隨機性和非平穩(wěn)性。小波變換是20世紀80年代發(fā)展起來的一種時頻分析方法，逐漸成為腦電信號分析的一種工具。小波分析方法并不能從根本上解決信號與噪聲在頻域上的混疊問題

3、，因此也就對腦電信號處理結(jié)果地改善也是有限的。
　　主分量分析與獨立分量分析理論都是用來對信號進行多維統(tǒng)計分析，這兩種方法對信號地分析處理不受信號頻譜混疊的影響。主分量分析方法僅僅對信號數(shù)據(jù)的二階統(tǒng)計特性進行分析，因此主分量分析技術(shù)處理的對象是高斯源信號，而獨立分量分析則對數(shù)據(jù)進行更高階統(tǒng)計分析，可以處理非高斯源信號。我們一般認為腦電信號是一種非高斯信號，采用獨立分量分析方法對腦電信號進行處理是目前的研究熱點。
　　本文先詳

4、細介紹了數(shù)理統(tǒng)計與信息論的相關(guān)基礎(chǔ)知識，為詳細介紹獨立分析理論打下基礎(chǔ)，通過構(gòu)造參考工頻干擾信號，結(jié)合FastICA算法對小鼠晶須桶狀皮層局部場電位信號去除工頻干擾，再采用小波濾波方法對小鼠晶須桶狀皮層局部場電位信號去除高頻噪聲。得到去除噪聲的腦電信號，采用小波包分解算法，以及子頻帶信號重組的方式從該信號中提取特征節(jié)律，并分析提取到四個基本特征節(jié)律的時域以及頻域特性。接著分別以小波包提取到的特征節(jié)律信號作為FastICA算法的參考信號，