毕业设计（论文）-基于独立分量算法的脑电信号分析

《毕业设计（论文）-基于独立分量算法的脑电信号分析》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、35淮南师范学院2011届本科毕业论文毕业论文题目：基于独立分量算法的脑电信号分析学生姓名：学生学号：系别：专业：届别：指导教师：35淮南师范学院2011届本科毕业论文目录摘要31前言52脑电信号的研究概况和独立分量分析简介52.1脑电信号研究方法概述52.2独立分量分析简介83脑电信号的分类和获取方法93.1自发脑电信号的分类和获取方式103.2自发脑电信号的获取设备114独立分量分析的基本原理和典型算法134.1独立分量分析(ICA)134.1.1ICA的定义及线性模型144.1.2ICA判据164.1.3高斯性负熵判据174.1.4互信息判据184.2ICA典型算法

2、194.3Infomax及扩展Infomax算法194.4FastICA算法205脑电信号伪迹消除215.1工频干扰的消除215.1.1无参考源的工频干扰消除225.1.2基于参考源的工频干扰消除235.2基于ICA的工频干扰消除235.3眼电伪迹的消除285．4本章小结286基于KICA方法的去噪及其实验2935淮南师范学院2011届本科毕业论文6.1FICA算法去噪的具体步骤296.2仿真实验306.3实验结果分析307总结和展望33致谢35参考文献3535淮南师范学院2011届本科毕业论文基于独立分量算法的脑电信号分析学生：指导教师：淮南师范学院电气信息工程系摘要：

3、脑电是大脑神经元突触后电位的综合，是大脑电活动产生的电场经容积导体(由皮层、颅骨、脑膜及头皮构成)传导后在头皮上的电位分布，分为自发脑电(electroencephalongraph，EEG)和诱发电位(evokedpotential，EP)两种。脑电在临床诊断、军事医学、航天医学、生理学和生物学研究中都具有重要的意义，所以脑电信号的提取一直是神经科学领域的重要课题。独立分量分析(ICA)方法是最近几年发展起来的一种新的统计方法。ICA方法是基于信号高阶统计特性的分析方法，经ICA方法分解出的各信号分量之间是相互独立的。正是因为这一特点，使ICA在信号处理领域受到了广泛的

4、关注。ICA方法的发展十分迅速，国内外的众多研究人员都致力于研究新的算法，应用于脑电信号的噪声分离之中。本文利用FastICA算法的特点，尝试将其应用到思维作业脑电信号中，发现其也能得到较好的结果，证明其在脑电信号分析方面的有效性。关键词：EEG信号；独立分量分析：FastICA算法AlgorithmbasedonindependentcomponentanalysisofEEGStudent:WangSihanSupervisor:LiYingHuainannormalcollegeelectricalinformationengineeringAbstract：EEG

5、isbrainneuronspostsynapticpotentialcomprehensive,isthebrainelectricalactivityintheelectricfieldgeneratedbyvolumeconductor(bycortex,skull,duralandscalp35淮南师范学院2011届本科毕业论文constitute)conductioninscalpafterthepotentialdistribution,dividedintospontaneouselectroelectroencephalography(EEG)andenc

6、ephalongraph,evokedpotentials（EP)twokinds.EEGinclinicaldiagnosis,militarymedical,aerospacemedicineandphysiologyandcentralbiologystudyhasanimportantmeaning,sotheextractionofEEGisalwaysanimportantissueinthefieldofneuroscience.Independentcomponentanalysis(ICA)methodisdevelopedinrecentyears,a

7、newstatisticalmethod.ICAmethodisbasedonthesignalanalyzingthecharacteristicofhigherorderstatisticsmethod,amethodbyICAeachsignaldecompositionbetweenweightwereindependentofeachother.Itisforthischaracteristic,makeICAinsignalprocessingfieldisextensiveattention.Themainmet