排列模糊熵及其在脑电分析中的应用

发布时间：2017-12-23 22:29

  本文关键词：排列模糊熵及其在脑电分析中的应用　出处：《太原理工大学》2017年硕士论文　论文类型：学位论文

  更多相关文章： 排列模糊熵 模糊熵 排列熵 脑电信号 抗噪性

【摘要】：脑电是一种常用的脑部检测方式。近年来的大量研究表明,人类大脑是一个高度复杂的非线性系统,作为记录大脑内部活动的脑电信号也呈现出高度的复杂性和非线性特性。熵,作为一种重要的非线性动力学特征量,能够刻画系统所处状态的无序性和混乱程度,已经被广泛地用于疾病、认知任务等不同状态脑电信号的定量分析中。其中,模糊熵作为近似熵和样本熵的改进,已经得到研究者一定程度上的认可,但是该指标对噪声的敏感性易受到指标参数值大小的影响。然而,脑电信号采集中噪声较多,使得最终得到的信号信噪比很低,因此本文提出了一种排列模糊熵。该指标通过在模糊熵的基础上引入排序符号化思想对其进行了改进。随后,通过对比研究发现排列模糊熵的抗噪性能优于传统的排列熵和模糊熵。最后将三种熵指标分别应用到癫痫自动检测和精神分裂症事件相关脑电位数据的分析中做了对比。具体工作如下:(1)本文首先针对模糊熵对噪声敏感的问题,提出了模糊熵的改进指标--排列模糊熵;随后在仿真脑电数据上结合高斯白噪声将排列模糊熵的抗噪能力同模糊熵和排列熵进行了比较。仿真实验结果表明,排列模糊熵的抗噪能力优于模糊熵和排列熵,而且其抗噪能力不会因指标参数设置的不同而低于模糊熵和排列熵。(2)将排列模糊熵、模糊熵和排列熵分别用于同一癫痫自动检测框架,对比了三种熵的癫痫检测能力。癫痫自动检测实验结果表明:排列模糊熵比模糊熵和排列熵更适用于癫痫检测。(3)分别使用排列模糊熵、模糊熵和排列熵分析了信噪比更低的精神分裂症的条件-测试刺激事件相关脑电位数据。实验结果表明:排列模糊熵比模糊熵和排列熵能够更有效的分析出精神分裂症患者的感觉门控P50缺陷。本文三个实验结果一致表明,新提出的排列模糊熵的抗噪能力确实优于模糊熵,同时也优于以抗噪性著称的排列熵;而且相比模糊熵和排列熵,排列模糊熵更适用于脑电信号的分析。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R741.044;TN911.6

【相似文献】

相关期刊论文 前5条

1 龚桂芳;冯成德;羊本勇;;一种基于概率配分和最大模糊熵的CT图像分割方法[J];中国医学物理学杂志;2007年01期

2 邹晓阳;雷敏;;基于多尺度模糊熵的动作表面肌电信号模式识别[J];生物医学工程学杂志;2012年06期

3 龚桂芳;冯成德;张慧;朱艳芳;;一种基于自适应最小模糊熵的CT图像分割方法[J];生物医学工程学杂志;2008年02期

4 刘建成;董晓倩;陈亚珠;;基于广义模糊熵模式分类器的HRV信号识别[J];中国生物医学工程学报;2005年03期

5 赵冰心;胡维平;;基于熵和支持向量机的病态嗓音识别[J];中国生物医学工程学报;2013年05期

相关会议论文 前6条

1 齐思刚;;基于模糊熵的模糊数运算[A];模糊集理论与模糊应用专辑——中国系统工程学会模糊数学与模糊系统委员会第十届年会论文选集[C];2000年

2 胡应平;;运用模糊熵构建协调模型[A];模糊集理论与应用——98年中国模糊数学与模糊系统委员会第九届年会论文选集[C];1998年

3 魏华;王志强;张运杰;;基于模糊熵的备择边缘细化方法[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

4 吴川;朱明;杨冬;;基于最大模糊熵原则的低对比度图像阈值选取法[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

5 李筠;祝勇;;误差分布类型的模糊熵判别方法[A];第七届青年学术会议论文集[C];2005年

6 何春;陆俊;;基于模糊熵方向特征的图像边缘检测方法[A];图像图形技术研究与应用(2010)[C];2010年

相关硕士学位论文 前10条

1 郑宗琳;基于高速列车走行部监测数据的EEMD特征分析[D];西南交通大学;2015年

2 董国新;基于ELMD多尺度模糊熵和概率神经网络的暂态电能质量识别[D];燕山大学;2016年

3 顿士君;基于脑电多尺度非线性分析的睡眠分期研究[D];燕山大学;2016年

4 王旭尧;基于多元多尺度模糊熵的人体步态信号分类[D];燕山大学;2016年

5 张翔;基于模糊熵方法的云服务选择研究与实现[D];内蒙古大学;2016年

6 王迪;基于模糊熵的证券投资组合优化模型研究[D];北京化工大学;2016年

7 沈小雪;模糊推理中的直觉模糊熵研究[D];辽宁工程技术大学;2014年

8 王慧云;排列模糊熵及其在脑电分析中的应用[D];太原理工大学;2017年

9 赵凤;基于模糊熵理论的若干图象分割方法研究[D];西安邮电学院;2007年

10 吴学谦;互模糊熵的改进及其在心衰检测中的应用[D];山东大学;2014年

，

本文编号：1325712