组合赋权法在居民健康状况综合评价中的应用论文

《组合赋权法在居民健康状况综合评价中的应用论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、组合赋权法在居民健康状况综合评价中的应用论文【关键词】自回归模型；白化滤波器；小波；诱发电位摘要：从被淹没在数十微伏的自发脑电背景中单次提取微伏级的视觉诱发电位，是脑计算机接口的核心问题之一。将靶刺激出现前记录到的短时非靶刺激信号看作自发脑电，计算自回归模型参数，构造一个白化滤波器，再将实时信号通过上述白化滤波器进行滤波，使自发脑电得以白化，然后采用普通数字滤波器滤除白躁信号，使得非靶信号幅值更小.freels~880ms)，采集512个样本。将每次选择作业的512个采样数据记录为MATLAB6的数据文件，格式为：通道号×样本×作业号。然后对于有幅值大于45μ

2、V采样值的作业记录，认为它受到了眼电或肌电的污染，将其丢弃不用。这样，对被试H我们得到84个靶刺激信号和84个非靶刺激信号，共168个选择作业记录。实验的详细描述可参见文献［4］。3特征脑电的自回归白化滤波平稳的随机信号可由白躁声激励某一确定系统产生［5］，如图1所示。)，如图2所示，得到去除白躁后的脑电信号y(m)。其差分方程为［6］：y(n)=b(1)*x(n)+b(2)*x(n-1)+…+b(nb+1)*x(n-nb)-a(2)*y(n-1)-…-a(na+1)*y(n-na)(8)系统函数为：Y(z)=b(1)+b(2)z-1+…+b(nb+1)-nb

3、1+a(2)-1+…+a(na+1)z-naX(z)(9)图2低通滤波器的结构图4结果与讨论采用上述方法，以MATLAB7为工具进行程序设计，我们对被试168次选择作业记录进行了处理。图3为靶刺激（粗虚线）与非靶刺激（细实线）各42次选择作业的平均波形图，我们以这个图作为信号处理效果的一个直观参考。从图中可以明显地看到在大约240毫秒附近靶刺激信号有一个负波（N2）出现，同时也有小幅的P100和P200信号，而非靶刺激信号经平均后幅度变得很小。图3靶刺激（实线）与非靶刺激（虚线）各42次选择作业的平均波形图(时段为记录前－300ms~0ms和记录后0ms~30

4、0ms)图4为任意选取的3次选择作业信号的处理结果。图中第1行为原始信号，第2行为直接用上述低通数字滤波器滤波后的信号，第3行为对第1行原始信号进行AR白化滤波后的结果，第4行为对第3行进行低通滤波的结果。从第3行可以看出，非靶刺激更接近白噪声，靶刺激由诱发电位和白噪声叠加而成。对比第2行和第4行可以看出，对第3行进行低通滤波，去除白躁信号，非靶刺激变得更加平滑，靶刺激中的特征更加突出，说明自发脑电得到了较好的抑制。进一步与图3对照，发现图4第2行滤波后并没有突出N2成分，只是曲线变得光滑而已，有用成分仍有所损失；而第4行中N2成分明显得到了增强。最后，为验证

5、用上述方法进行特征提取的效果，我们用提取的特征信号（图4第4行）与原始信号低通滤波后的特征信号（图4第2行）分别作为支持向量机（SupportVectorMachine）分类器的输入，进行模式分类。与发表在文献［11］的结果对比，靶刺激与非靶刺激的分类准确率从90.5%提高到了96%,从而验证了特征提取的有效性。5结论将自回归白化滤波器用于去除诱发电位中的自发脑电，增强了特征信号（N2成分），更有利于脑机接口信号的提取。对比实验表明，与采用原始信号直接经低通滤波再进行特征分类相比，去除自发脑电后的信号能得到更高的分类精度。这表明，将短时脑电信号看作平稳随机过程

6、，用自回归模型进行白化滤波增强脑电中的特征信号是有效的。图4任选的3次试验信号处理结果(实线为靶刺激信号，虚线为非靶刺激信号)