基于模態(tài)分解的腦電信號分析方法研究.pdf

1、腦電信號是一種非線性的復(fù)雜信號，其中包含著大量人類大腦運(yùn)作和神經(jīng)紊亂信息，可通過對腦電信號的有效信息提取得知人類當(dāng)下的生理狀況?，F(xiàn)階段，用于分析腦電信號的方法眾多，但仍缺少性能較好的分析方法。經(jīng)驗(yàn)?zāi)B(tài)分解算法是一種有效的無規(guī)則信號處理方法，能高效地分解各種信號。因此，本文將基于經(jīng)驗(yàn)?zāi)B(tài)分解算法對腦電信號分析方法進(jìn)行研究。
　　首先，針對經(jīng)驗(yàn)?zāi)B(tài)分解過程中的端點(diǎn)效應(yīng)問題，提出了兩種組合延拓方法，即支持向量機(jī)與數(shù)據(jù)加窗和最小二乘支持向

2、量機(jī)與數(shù)據(jù)加窗處理方法。通過仿真實(shí)驗(yàn)和真實(shí)腦電數(shù)據(jù)實(shí)驗(yàn)，表明文中提出的兩種組合延拓方法能有效抑制經(jīng)驗(yàn)?zāi)B(tài)分解過程中所存在的端點(diǎn)效應(yīng)問題，且性能優(yōu)于其它用于比較的延拓方法。
　　其次，以經(jīng)驗(yàn)?zāi)B(tài)分解算法為基礎(chǔ)，通過相關(guān)性分析選擇與原始信號相關(guān)性最大IMF分量作為相應(yīng)類別腦電信號的特征提取對象，并由Kruskal-wallis檢驗(yàn)方法對多種特征指標(biāo)的表征性能進(jìn)行比較，通過實(shí)驗(yàn)選定最能表征不同種類腦電信號的特征作為分類器的特征輸入，即平

3、均頻率、方差和波動(dòng)指數(shù)。
　　最后，提出基于經(jīng)驗(yàn)?zāi)B(tài)分解算法和最小二乘支持向量機(jī)分類器的腦電信號分類方法，該算法以平均頻率、方差和波動(dòng)指數(shù)為特征指標(biāo)。通過五個(gè)實(shí)驗(yàn)以及與其它不同分類方法的比較，對該分類方法的性能進(jìn)行檢測。實(shí)驗(yàn)表明了本文提出的分類方法在對正常腦電和癲癇發(fā)作腦電進(jìn)行分類的實(shí)驗(yàn)中分類準(zhǔn)確性可高達(dá)100％，不同方法的比較證明了該分類方法具有高精度分類性能，具有現(xiàn)實(shí)有效性。同時(shí)，還將前文提出的最小二乘支持向量機(jī)與數(shù)據(jù)加窗處理