脑电信号的分析在认知功能中的研究

《脑电信号的分析在认知功能中的研究》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、重庆大学硕士学位论文中文摘要摘要脑电包含了大量的生理和病理信息，可以直接在人体上进行测量，适合于临床应用，能够为某些脑疾病提供诊断依据，甚至成为某些脑疾病有效的治疗手段。近年来，对认知功能的研究越来越受到人们的重视，有效的分析、评价认知功能，对认知障碍疾病的检测和治疗有着重大意义。本论文在脑电信号放大器的硬件基础上，使用VisualC++6.0编写相应的脑电信号采集软件，构成认知脑电检测与分析平台的信号采集模块，以波形方式实时显示采集到的脑电信号，用独立文件的形式保存数据，方便后续的分析处理。并针对认知功能的研究，设计反映不同状态下大脑功能的认知实验，采集了安静闭眼、安静睁眼

2、、计算力测试、定向力测试和视空间测试状态下的脑电信号。利用软件滤波技术对采集到的脑电信号进行分析处理，采用了零相位数字滤波、独立分量分析以及小波变换等方法对采集到的脑电信号进行预处理，去除噪声和干扰，并且对信号进行了功率谱分析，为认知脑电的分析提供参考。对于反映高级信息处理过程中集中唤醒的水平的阵发性40HzEEG，采用一致性检测方法进行提取，为选取脑电数据段，以及认知状态分析提供依据。强烈的非线性是神经系统的突出特点，脑电信号是混沌信号，具有广泛的非线性动力学特征，脑电非线性分析能提供大脑认知功能活动变化轨迹的情况。本文通过非线性动力学方法对脑电进行分析，快速有效地提取脑电

3、信号中的分数维值和近似熵特征参数，用于对认知功能的描述，探索它们与认知功能的关系，进而作为判断认知功能的评价指标。本论文对实验采集到的不同状态下的脑电信号进行相关维数和近似熵的计算，实验数据表明，相关维数和近似熵的值在安静闭眼状态下小于定向力测试和计算力测试思维状态，在安静睁眼时小于视空间测试状态下的值，即思维状态下的值均高于安静状态下的值。对不同思维过程中动力学参数变化的分析，有助于获取认知状态的指导性参数，对相关研究和临床应用具有较大的参考价值。关键词：脑电信号，认知，数据采集，时频分析，非线性动力学I重庆大学硕士学位论文英文摘要ABSTRACTElectroenceph

4、alogram(EEG)containsalargenumberofphysiologicalandpathologicalinformation.Itcanbemeasureddirectlyonhuman’sbodyandissuitableforclinicalapplication,canprovidediagnosticevidenceforsomebraindiseases,evencanbeusedtotreatcertainbraindiseases.Recently,researchoncognitivefunctionhasgotmoreandmoreat

5、tention.Effectiveanalysisandevaluationtocognitivefunctionhavegreatsignificanceondetectionandtreatmentofcognitivedisorderdisease.ThepaperinthebasisofEEGamplifierhardware,usingVisualC++6.0tocompilethecorrespondingEEGacquisitionsoftware,constitutethesignalacquisitionmoduleofthedetectionofcogni

6、tiveEEGtestingandanalysisplatform,displaytheEEGwiththewaveforminrealtime,andstorethedatawithaseparatedocumenttofacilitatesubsequentanalysisandprocessing.Andforcognitivefunction,designcognitiveEEGtesttoreflectthedifferentstatesofbrainfunctionandcollecttheEEGunderthestateofquietandeyesclosed,

7、quietandeyesopened,calculationtest,directiveforcetestandvisualspatialtests.BasedonthestudyofclassicalEEGanalysis,usesoftwarefilteringtechnologytoanalyzeandprocesstheEEG，Providesazero-phasedigitalfilter、IndependentComponentAnalysis、WaveletTransformandothe