基于多重小波神經(jīng)網(wǎng)絡(luò)的EEG信號混沌動力學(xué)建模及其應(yīng)用.pdf

1、腦電(Electroencephalogram,EEG)是大腦自身微弱的生物電經(jīng)過腦電圖掃描儀放大記錄后的一種外在表現(xiàn)形式,是一種重要的臨床輔助診斷手段之一。但是由于以往分析手段的局限性,腦電的研究過程和研究結(jié)果一直沒有取得重要突破,在臨床應(yīng)用中也逐漸被冷淡。近年來,大腦已經(jīng)被證明是一種的典型混沌動力學(xué)系統(tǒng),腦電信號則是由它產(chǎn)生的混沌信號,呈現(xiàn)明顯的混沌特性,而不僅僅是一種隨機(jī)信號,所以從混沌動力學(xué)的角度進(jìn)行腦電研究可以從本質(zhì)上揭示腦電

2、的內(nèi)在特性,從而可以更加有效地提取有用信息輔助醫(yī)學(xué)診斷,具有重大的實(shí)際意義。本論文正是基于這一目的,探討和研究了基于混沌動力學(xué)的腦電信號建模及其應(yīng)用的一些問題。
　　從根本上來說,混沌動力學(xué)建模主要包括兩部分:相空間重構(gòu)和非線性映射逼近。本文首先回顧了混沌動力學(xué)的一些基本概念,然后通過Lorenz混沌時間序列和實(shí)際腦電信號討論了混沌信號的相空間重構(gòu)問題,主要包括時間延遲和最小嵌入維數(shù)m的選擇;接著介紹了非線性映射逼近時神經(jīng)網(wǎng)絡(luò)的選

3、擇以及網(wǎng)絡(luò)的優(yōu)化問題,小波神經(jīng)網(wǎng)絡(luò)由于其對任意非線性函數(shù)的優(yōu)秀逼近能力和快速的收斂速度近來獲得了廣泛應(yīng)用,本文選擇自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)作為非線性函數(shù)的逼近器并采用遺傳算法對其進(jìn)行優(yōu)化。
　　最后從腦電的實(shí)際混沌動力學(xué)特性出發(fā),發(fā)現(xiàn)腦電信號是典型的參數(shù)可變混沌時間序列,呈現(xiàn)明顯的分段混沌動力學(xué)特性,從而提出了一種新穎的多重小波神經(jīng)網(wǎng)絡(luò)模型,并采用隱馬爾可夫模型來模擬刻畫腦電信號混沌動力學(xué)特性在時間上的演化過程,然后通過不同的小波網(wǎng)絡(luò)分