腦電信號(hào)實(shí)用處理技術(shù)的研究.pdf

1、各種腦疾患和神經(jīng)系統(tǒng)疾患問題的增多和嚴(yán)重化、以及社會(huì)老齡化問題，使腦科學(xué)成為21世紀(jì)挑戰(zhàn)性的研究。大腦電生理信號(hào)是反映大腦活動(dòng)狀態(tài)的重要信號(hào)，主要包括自發(fā)腦電信號(hào)(EEG)和誘發(fā)腦電信號(hào)(EP)。如何有效地處理和分析腦電信號(hào)，對(duì)于腦科學(xué)研究和腦部疾病的臨床診斷都具有重要意義。小波變換是信號(hào)分析和特征提取的重要工具，它在時(shí)域和頻域同時(shí)具有良好的局部化性質(zhì)。本文基于小波變換與復(fù)雜性測(cè)度方法，針對(duì)腦電信號(hào)的檢測(cè)技術(shù)和分析處理方法，對(duì)以下幾個(gè)方

2、面進(jìn)行了研究與討論： (一)腦電信號(hào)去噪：腦電信號(hào)是強(qiáng)噪聲背景下的非平穩(wěn)隨機(jī)信號(hào)，如何有效去除噪聲是腦電信號(hào)分析和處理過程中的一項(xiàng)重要內(nèi)容?？紤]到小波變換具有良好的時(shí)頻局部化特征，本文基于小波變換方法，主要完成以下工作：①用小波閾值法濾除腦電信號(hào)中的白噪聲，②用小波分解與重構(gòu)法濾除腦電信號(hào)中的基線漂移，⑧用小波分解與重構(gòu)和模極大值法濾除腦電信號(hào)中的肌電干擾。最后，將以上所介紹的方法應(yīng)用到臨床腦電信號(hào)處理中，MATLAB實(shí)驗(yàn)結(jié)果表

3、明：本文提出的方法在腦電信號(hào)消噪中具有良好的效果。 (二)腦誘發(fā)電位的提?。耗X誘發(fā)電位是腦科學(xué)研究和臨床診斷中的重要特征，但是傳統(tǒng)的疊加平均方法提取誘發(fā)電位往往會(huì)造成瞬態(tài)信息的丟失，增加受試者的痛苦，降低準(zhǔn)確率。因此誘發(fā)電位的快速提取一直是國(guó)內(nèi)外學(xué)者研究的重點(diǎn)。本文研究了小波多尺度分解與重構(gòu)技術(shù)在腦電信號(hào)基本節(jié)律提取及誘發(fā)電位提取中的應(yīng)用，并將小波多尺度分解與重構(gòu)與模糊聚類技術(shù)相結(jié)合，提出了誘發(fā)電位快速提取的新方法，并通過實(shí)

4、驗(yàn)證明了此方法的有效性。 (三)睡眠腦電分期的研究：腦電信號(hào)的另一個(gè)重要用途是用于睡眠研究，多道睡眠圖的記錄和分析是研究睡眠生理的重要手段，也是客觀評(píng)價(jià)睡眠質(zhì)量的有力工具。本文對(duì)近年來睡眠腦電的處理方法進(jìn)行了總結(jié)，提出一種新的利用時(shí)窗Lempel-ziv復(fù)雜度對(duì)睡眠腦電進(jìn)行分期處理的方法，并與不加窗的Lempel-Ziv復(fù)雜度仿真結(jié)果進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明：時(shí)窗復(fù)雜性測(cè)度算法能更好地將睡眠腦電的不同狀態(tài)分開，為尋找一個(gè)可靠的