普适化脑电信息感知关键问题的研究

《普适化脑电信息感知关键问题的研究》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、９分类号：ＴＰ３１航Ｒ：公巧續Ｗｆ研究生学位论文论文题目（中文）普适化脑电信息感知关键问题的研究ＲｅｓｅａｒｃｈｏｆＵｂｉｑｕｉｔｏｕｓＥｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ论文题目（外文）ＤａｔａＳｅｎｓｉｎａｎｄＡｗａｒｅｎｅｓｓｇ研究生姓名彭宏学科？无线电物理、专业物理学生物信号处理研巧方向学位级别博±导师姓名、职称胡斌教授论文工作起止年月２００９年９月至２０１５年５月论文提交日期２０１５年６月论文答辩日期２０１５年６月

2、Ｗｉｌｌ原创性声明，本人郑重声明：本人所呈交的学位论文是在导师的指导下独立进行研巧所取得的成果、数据、观点等，。学位论文中凡引用他人已经发表或未发表的成果巧已明确注明出处。除文中己经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果，。对本文的研究成果做出重要贡献的个人和集体均己在文中Ｗ明确方式标明。本声明的法律责任由本人承担。《．：论文作者签名：日期关于学位论文使用授权的声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大，学、使用学位论文的

3、规定同意学校保存或向。本人完全了解兰州大学有关保存，化许论文被查阅和借阅国家有关部口或机构送交论文的纸质版和电子版；本人授权兰州大学可Ｗ将本学位论文的全部或部分内容编入有关数据库进行检索，可采用任何复制手段保存和汇编本学位论文。本人离校后发表、使用学位论文或一与该论文直接相关的学术论文或成果时，第署名单位仍然为兰州大学。本学位论文研究内容；□可Ｗ公开□不宜公开，己在学位办公室办理保密申请，解密后适用本授权书。一＂＂（请在Ｗ上选项内选择其中项打Ｖ）咬论文作者签名；Ａ导师签名；？。＂小＂

4、＇王＂日期；３日期：Ｖ普适化脑电信息感知关键问题的研究中文摘要随着新型传感材料与低功耗微型处理器研究的发展，生物传感器的应用越来越普遍，已逐渐被应用于军人、宇航员、运动员、病人等生理信息监测中，因此，基于可穿戴生物传感器的生物信息感知理论与技术研究的重要性日益突出。而大脑作为人体的最重要控制中枢，对脑电信息的感知成为生物信息感知研究中的重点。由于精神疾病、认知能力等与大脑之间的紧密关联性，使得基于可穿戴脑电一传感器的脑信息感知研究成为当前的热点之。本文可穿戴脑电信息感知研究屯、，为核，

5、面向脑电信息感知与处理中的几个关键问题研究了相应的解决算法和＂＂、模型，并Ｗ欧盟框架７国际合作项目屯理疾病在线预测与干预系统研究为依托，验证了所提出的算法和模型在与精神压力状态相关的生物信息感知系统中的有效性。由于脑电信号极其微弱，在科研单位或医院都会设立特定的屏蔽室来排除干扰，，并由专业人员操作脑电采集仪Ｗ保证信号的可靠。而在普适化环境中用户需自主操作佩戴脑电传感器，其周围存在不可避免的干扰，因而需要对脑电信息一步研究感知中的新问题做进。本文研究了普适化脑电信息感知中的王个关键问题：，创新性

6、研究成果包括如下Ｈ个部分一（１）种新型的脑电信号质量评估模型：当用户脱离了医院的环境而自主操作脑电传感器时，如果传感器电极没有正确连接在额头上或所处的实验环境电，，磁噪声较大，则所采集到的信号不可使用会导致实验的失败。因此需要研究快速有效地评估脑电信号质量的算法模型来指导使用者判断数据可用性。而当前－对脑电信号质量评估的算法非常匿乏，大都集中在简单的皮肤电极阻抗上面。，，本文基于模糊综合评价法的思想通过大量的数据分析结合专家意见评判，提一出了种新的模型来评估原始脑电图信号质量。该模型运行速度极快，可脱离

7、计。算机环境而工作于脑电传感器中，因而方便用户的自测在实际项目执行中验证了本算法模型的有效性，解决了项目初期实验数据质量控制的难题。（２）无参考电极时较少导联下脑电信号中眼动噪声的去除算法：可穿戴传感器的电极安置在前额，距离眼睛非常近，因而所采集到的脑电信号容易受到眼动噪声的污染，。本文结合眼电与脑电的差异性特征研究了两种可用于较少导联一，环境的眼动噪声去除算法：种为小波变换结合独立分量分析的算法利用小波！变换构造出眼电参考信号，之后通过独立分量分析算法提取出真实眼电信号另；一外种为小波变换结

8、合自适应滤波算法，由小波变换法重构的眼电信号作为自适应噪声抵消器的参考输入信号，利用自适应滤波器的跟踪特性去除眼电噪声。这两种方法适用于较少导联下便携式脑电采集环境，在滤除眼动噪声的同时能够最大限度地保留脑电信息。在本项目的数据处理中验证了算法的有效