基于经验模式分解（EMD）的脑信号研究

发布时间：2017-04-16 00:26

  本文关键词：基于经验模式分解（EMD）的脑信号研究，由笔耕文化传播整理发布。

【摘要】：经验模态分解(Empirical Mode Decomposition,EMD),一种特别适应非线性、非平稳信号的新型自适应分解法,在脑电(electroencephalograph,EEG)研究中大多局限于一维信号处理方面。为了获得脑电信号更直观清晰的表现形式,拓展研究内容,论文根据脑电EEG的信号节律性、频率集中性、脑电噪声的复杂与多样性等自身特点,以集合经验模式分解(Ensemble EMD,EEMD)为基础,将脑电研究提升到二维、三维图像处理领域。首先基于一维EEMD,提出了适应脑电特征的改进EEMD算法。该改进算法通过基于IMF能量和分段阈值的信号估计算法,自适应地从待处理的原始脑电信号中估计出脑电特性信号,并结合高斯白噪声的特性定义出新型脑电噪声,取代传统的高斯白噪声加入EEMD分解中。该改进算法更加适应于脑电应用领域的特殊性,使得脑电信号EMD分解的模态混叠问题得到了可以更好地解决。其次,创新性地将2D-EEMD算法引入到脑电研究中,将脑电研究提升到二维空间,并且针对脑电的特点,对脑电2D-EEMD算法的二维重组方法进行了改进。然后针对脑电2D-EEMD处理上相邻电极数据存在伪临近的不足,提出了基于脑电的3D-EEMD算法,对脑电信号的多维EMD处理做出初步探索。实验结果表明,脑电信号的二维分解结果更加清晰、信号特征更具直观性,稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)的频率提取准确率有效地提高了16%;对比二维分解结果,三维分解更加注重数据的内在特征,提取特征以及分类识别准确率更高。最后,基于上述的改进算法,结合非线性理论,分别对运动想象和MEG精神病人两类数据进行了分类研究。
【关键词】：EEG EEMD 2D-EEMD 3D-EEMD 信号估计 准确率 分类
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN911.7;R338
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-17
• 1.1 脑电的研究背景以及应用8-9
• 1.1.1 脑电的研究背景8
• 1.1.2 脑电的应用8-9
• 1.2 脑电的发展以及研究现状9-11
• 1.2.1 脑电的发现与发展9-10
• 1.2.2 脑电国内外研究现状10-11
• 1.3 脑电的相关理论知识11-14
• 1.3.1 大脑的区域与功能11-12
• 1.3.2 脑电的分类与节律性12-13
• 1.3.3 脑电的干扰源与噪声13
• 1.3.4 脑电的特点概述13-14
• 1.4 脑电采集与实验14-15
• 1.5 论文的研究方法及结构15-16
• 1.6 本章小结16-17
• 第二章 经验模式分解（EMD）17-27
• 2.1 经验模式分解（EMD）17-24
• 2.1.1 EMD概述17-18
• 2.1.2 EMD算法的基本原理18-21
• 2.1.3 EMD算法的研究发展与应用21-24
• 2.2 EMD算法的改进算法24-26
• 2.2.1 类集合经验模态分解EEMD24
• 2.2.2 二维经验模式分解算法BEMD24-25
• 2.2.3 多变量经验模式分解算法MEMD25
• 2.2.4 导数优化经验模式分解算法DEMD25-26
• 2.3 本章小结26-27
• 第三章 基于脑电的EEMD算法的改进27-39
• 3.1 EEMD算法27-29
• 3.2 基于脑电的EEMD算法的改进29-32
• 3.2.1 脑电IMF相关性筛选30
• 3.2.2 基于IMF的信号能量估计算法30-31
• 3.2.3 基于IMF分段阈值的脑电特性信号估计算法31-32
• 3.3 仿真与研究32-38
• 3.3.1 脑电EMD与IMF相关性筛选32-34
• 3.3.2 基于IMF能量和分段阈值的脑电特性信号估计34-35
• 3.3.3 新型脑电噪声和改进算法的分解结果35-38
• 3.4 本章小结38-39
• 第四章 脑电的多维集合经验模式分解（MD-EEMD）39-71
• 4.1 脑电的 2D-EEMD39-42
• 4.1.1 2D-EEMD算法39-41
• 4.1.2 改进的脑电 2D-EEMD算法41-42
• 4.2 基于改进 2D-EEMD的“SSVEP目标检测研究”42-56
• 4.2.1 BCI与SSVEP概述42-45
• 4.2.2 实验描述与预处理45-50
• 4.2.2.1 数据来源与实验描述45-46
• 4.2.2.2 数据预处理46-50
• 4.2.3 实验结果与分析50-56
• 4.2.3.1 改进前后的固有模态函数IMFs比较50-53
• 4.2.3.2 头图Topoplot53-54
• 4.2.3.3 枕叶区与非枕叶区对视觉刺激的反应强度比较54-55
• 4.2.3.4 SSVEP频率提取准确率55-56
• 4.3 不同RVS下SSVEP目标检测性能研究56-62
• 4.3.1 常见的RVS类型56-57
• 4.3.2 单一方块刺激与棋盘刺激的性能分析与比较57-62
• 4.3.2.1 实验描述与预处理57-58
• 4.3.2.2 实验结果与分析对比58-62
• 4.4 基于脑电的 3D-EEMD算法的设计与仿真62-69
• 4.4.1 基于脑电的 3D-EEMD算法的设计62-65
• 4.4.2 基于癫痫数据的仿真研究65-69
• 4.4.2.1 癫痫数据描述66
• 4.4.2.2 癫痫 2D-EEMD分解及其不足66-67
• 4.4.2.3 癫痫 3D-EEMD分解67-69
• 4.5 本章小结69-71
• 第五章 基于EMD的脑电信号分类研究71-81
• 5.1 基于改进的脑电 2D-EEMD算法的运动想象类数据的分类研究71-75
• 5.1.1 实验数据71-72
• 5.1.2 分类结果与分析对比72-75
• 5.2 基于EMD和熵的MEG精神病人分类研究75-80
• 5.2.1 近似熵ApEn75-76
• 5.2.2 实验数据76
• 5.2.3 分类结果与分析76-80
• 5.3 本章小结80-81
• 第六章 总结与展望81-83
• 6.1 工作总结81
• 6.2 研究展望81-83
• 参考文献83-86
• 附录1 攻读硕士学位期间撰写的论文86-87
• 致谢87

【相似文献】

中国期刊全文数据库 前10条

1 秦旭;张讲社;延晓冬;;基于改进的EMD的运城市持续极端气温的初步分析[J];大气科学学报;2009年05期

2 牛迅,曲峰,王宁;基于EMD和辛几何的运动员表面肌电信号分析与评价[J];中国海洋大学学报(自然科学版);2005年01期

3 刘冬雁;李巍然;乔彦松;王玲;彭莎莎;;基于EMD分解的甘孜黄土磁化率记录的西南季风演化周期性[J];地球科学(中国地质大学学报);2010年04期

4 胡灿阳;陈清军;;基于EMD和最小二乘法的基线飘移研究[J];振动与冲击;2010年03期

5 王曦;毕贵红;唐京瑞;;基于EMD的太阳黑子时间序列组合预测模型[J];计算机工程;2011年24期

6 曾庆山;张晓楠;;基于EMD和组合模型的太阳黑子时间序列预测[J];郑州大学学报(工学版);2014年03期

7 谭皇;杨巨龙;张玉军;高勇;;基于EMD和2(1/2)维谱的直升机声信号特征提取[J];舰船电子工程;2010年11期

8 孙杰;何雅玲;李印实;陶文铨;;水的汽液界面系统中势能与力的EMD模拟研究[J];力学学报;2007年03期

9 朱正;王逸林;蔡平;;EMD中的求取均值曲线方法[J];哈尔滨工程大学学报;2011年07期

10 易洪春;刘树才;贺克升;闫赛;王健;;基于EMD去噪方法研究及其在地质勘探中的应用[J];物探与化探;2013年03期

中国重要会议论文全文数据库 前8条

1 赵玉芳;纪国宜;;基于EMD与盒维数的旋转机械故障诊断方法[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

2 赵玉芳;纪国宜;;基于EMD与盒维数的旋转机械故障诊断方法[A];第九届全国振动理论及应用学术会议论文集[C];2007年

3 曾杰;许宝杰;张建民;;基于EMD的特征提取在机电系统监测中的应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

4 许宝杰;徐小力;李建伟;;用神经网络插值进行EMD端点效应抑制方法的研究[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

5 周小林;孙东松;钟志庆;王邦新;夏海云;沈法华;董晶晶;;基于多尺度EMD的激光雷达信号分段去噪[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

6 胡桥;郝保安;吕林夏;陈亚林;孙起;;基于集成EMD和DEMON谱的辐射噪声特征提取研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

7 屈俐俐;李变;;基于EMD的原子钟性能分析[A];第三届中国卫星导航学术年会电子文集——S04原子钟技术与时频系统[C];2012年

8 李健宝;彭涛;;基于EMD与相关性分析的滚动轴承智能故障诊断[A];第二十九届中国控制会议论文集[C];2010年

中国硕士学位论文全文数据库 前10条

1 何经伟;基于EMD的包络相关算法研究[D];广西师范大学;2015年

2 杨晨;基于经验模式分解（EMD）的脑信号研究[D];南京邮电大学;2015年

3 李业联;基于EMD与VAR方法的中国股市溢出效应研究[D];浙江大学;2009年

4 石丁丁;基于EMD的异步电动机轴承故障诊断技术的研究[D];中北大学;2009年

5 周卫佳;基于EMD和MP方法的医学信号和图像分析[D];北京邮电大学;2010年

6 余永增;基于小波和EMD的滚动轴承非接触声学诊断方法研究[D];大庆石油学院;2009年

7 王祝平;基于EMD、关联维数及神经网络的内燃机故障诊断系统的研究[D];华中农业大学;2007年

8 贺灵敏;EMD和支持向量机在刀具故障诊断中的应用[D];西华大学;2010年

9 杨立龙;基于谱峭度和EMD的滚动轴承早期故障检测与诊断增强[D];哈尔滨工业大学;2009年

10 李宁宁;基于EMD和ICA的感应电动机故障检测研究[D];天津理工大学;2011年

  本文关键词：基于经验模式分解（EMD）的脑信号研究，由笔耕文化传播整理发布。

，

本文编号：309626