基于經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)的腦信號(hào)研究.pdf

1、經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition，EMD），一種特別適應(yīng)非線性、非平穩(wěn)信號(hào)的新型自適應(yīng)分解法，在腦電（electroencephalograph，EEG）研究中大多局限于一維信號(hào)處理方面。為了獲得腦電信號(hào)更直觀清晰的表現(xiàn)形式，拓展研究?jī)?nèi)容，論文根據(jù)腦電EEG的信號(hào)節(jié)律性、頻率集中性、腦電噪聲的復(fù)雜與多樣性等自身特點(diǎn)，以集合經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥nsemble EMD，EEMD）為基礎(chǔ)，將腦電研究提升到二維

2、、三維圖像處理領(lǐng)域。
　　首先基于一維EEMD，提出了適應(yīng)腦電特征的改進(jìn)EEMD算法。該改進(jìn)算法通過(guò)基于IMF能量和分段閾值的信號(hào)估計(jì)算法，自適應(yīng)地從待處理的原始腦電信號(hào)中估計(jì)出腦電特性信號(hào)，并結(jié)合高斯白噪聲的特性定義出新型腦電噪聲，取代傳統(tǒng)的高斯白噪聲加入EEMD分解中。該改進(jìn)算法更加適應(yīng)于腦電應(yīng)用領(lǐng)域的特殊性，使得腦電信號(hào) EMD分解的模態(tài)混疊問(wèn)題得到了可以更好地解決。
　　其次，創(chuàng)新性地將2D-EEMD算法引入到腦電研

3、究中，將腦電研究提升到二維空間，并且針對(duì)腦電的特點(diǎn)，對(duì)腦電2D-EEMD算法的二維重組方法進(jìn)行了改進(jìn)。然后針對(duì)腦電2D-EEMD處理上相鄰電極數(shù)據(jù)存在偽臨近的不足，提出了基于腦電的3D-EEMD算法，對(duì)腦電信號(hào)的多維EMD處理做出初步探索。實(shí)驗(yàn)結(jié)果表明，腦電信號(hào)的二維分解結(jié)果更加清晰、信號(hào)特征更具直觀性，穩(wěn)態(tài)視覺(jué)誘發(fā)電位（steady-state visual evoked potential，SSVEP）的頻率提取準(zhǔn)確率有效地提高了1