基于小波变换的脑电信号处理研究

《基于小波变换的脑电信号处理研究》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、山东大学硕士学位论文摘要大脑电生理信号是反映大脑活动状态的重要信号，主要包括自发脑电信号(EEG)和诱发脑电信号(EP)。如何有效地处理和分析脑电信号，对于脑科学研究和脑部疾病的临床诊断都具有重要意义。小波变换是信号分析和特征提取的重要工具，它在时域和频域同时具有良好的局部化性质。本文基于小波变换方法，主要对以下几个问题做了研究和讨论：(一)脑电信号去噪：脑电信号是强噪声背景下的非平稳随机信号，如何有效去除噪声是脑电信号分析和处理过程中的一项重要内容。考虑到小波阈值法具有良好的时频局部化特征且运算简便有效，本文研究了小波阈值去噪方法中的软阈值法和硬阈

2、值法，针对阈值函数不连续或者有偏差的缺点，提出了一种新的小波阈值函数。此函数在整个取值空间内保持平滑性，且连续可导。同时根据EEG信号特点，将快速定点独立分量算法引入脑电信号处理中，并结合中值滤波器，对传统的方法进行改进，提出了基于中值滤波的自适应小波阈值去噪法。临床EEG信号的处理实验表明，本文提出的方法在脑电信号的消噪中，具有良好的效果。(二)脑诱发电位的快速提取：脑诱发电位是脑科学研究和临床诊断中的重要特征，但是应用传统的叠加平均方法提取诱发电位往往会造成瞬态信息的丢失，增加受试者的痛苦，降低准确率。因此诱发电位的快速提取一直是国内外学者的研究

3、重点。本文分别研究了小波多尺度分解与重建、三阶相关滤波技术在诱发电位快速提取中的应用，并分别地将小波多尺度分解与重建法、软阈值法、硬阈值法和新阈值法与三阶相关滤波技术结合，提出了诱发电位提取的新方法，并通过实验对比研究，证明了基于新阂值的三阶相关滤波方法的效果最好。(三)睡眠脑电的初步研究：EEG的另一个重要用途是用于睡眠研究，多道睡眠图的记录和分析是研究睡眠生理的重要手段，也是客观评价睡眠质量的有力工具。目前，小波变换在睡眠脑电中的应用还不是十分广泛，相关的研究成山东大学硕士学位论文果较少。本文对近年来睡眠脑电的小波处理方法进行了总结，并分别从快眼

4、动睡眠(Rapideyemovementsleep，REM)判断、纺锤波分析和K一复合波的检测三个方面对算法进行了介绍，讨论了小波变换应用于睡眠脑电研究中的可行性和有效性。关键词：脑电信号小波变换阈值函数脑诱发电位睡眠脑电信号lI、山东大学硕士学位论文ABSTRACTThebrainelectrophysi0109icalsignals，includingelectroencephalogram(EEG)andevokedpotentials(EP)，containalotofimportantinformationaboutthephysiol—o

5、gicalstatesandfunctionalactivitiesofbrain．HowtoprocessandanalyzeEEGeft-ectivelyissignificantforneuralscienceandneurosisdiagnosis．Thewavelettransfo—rm，whichproducesagoodlocalrepresentationofthesignalinbothtimeand丘eque·ncydomain，providesanimportanttoolinsignalanalysisandfeatureex

6、traction．Themainresearchworkofthispaperfocusesontheapplicationofwavelettransformtec·hniqueinEEGanalysis，whichcouldbesummarizedasthefollowingthreeaspects．(a)EEGsignaldenoisingmethod：Afterthediscussionoftheapplicationofwav—eletthresholdingdenoisingmethodinEEGsignaldisposing，animp

7、rovedwaveletth—resholdfunctionispresentedinthisthesis．Subsequently，weuseafastandfixedpoi—ntalgorithmfortheprocessingofEEG，andthenputforwardareformativemethodbasedonmedianfilter,whichiscalledadaptivewaveletthresholdingmethod．Thenumericalexperimentsmanifeststhatthismethodcouldgiv

8、ebetterdenoisingeffect．(b)ExtractionofEvokedPotential：