基于时频分析的脑电信号处理方法研究
发布时间：2021-08-08 08:29
脑机接口（BCI）是一项新兴的技术,它通过采集脑活动的信号,并提取其中有价值的信息,从而实现对脑状态的分析以及与周围环境的交互。脑电图（EEG）信号由于其经济实惠、具有非侵入性、便于实时操作等特点,在BCI领域中发挥着重要的地位。对人的运动想象脑电信号的研究分析不仅可以用于脑电信号分类,在线实时脑机交互,还可以用于分析脑网络,为研究人脑工作机理提供科学的研究依据。针对EEG信号微弱、信噪比低、易受环境噪声干扰、非线性、非平稳等特性,本文对运动想象EEG信号的分析方法展开研究。主要研究内容如下:1、将基于噪声辅助快速多维经验模式分解（NA-FMEMD）的时频分解方法引入了 EEG信号分析领域。一系列与现有的时频分析方法的对比实验表明了该方法能更好地消除模式混叠,提供对原信号成分更准确的评估且具有更高的计算效率。通过脑电信号仿真实验,我们又验证了提出的脑电信号处理的新方法的可行性与优势。2、提出了 一种高效的时频空域联合分析的运动想象EEG分类方法。它能够更好地提取出左手和右手运动时EEG信号的不同特征,完成信号的分类。在BCI Competition Ⅳ Data Set 1运动想象脑电...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：94 页
【学位级别】：硕士
【部分图文】：
图１．２?１０－２０系统的电极摆放示意图??３??
浙江大学硕士学位论文?仑??运动想象），大脑对侧（即右侧）感觉运动节律在特定频率上表现出的幅值明??显降低；相反，ＥＲＳ现象则是大脑同侧（即左侧）感觉运动节律在特定频率上??表现出的幅值增高。Ｐｆｉｉｒｔｓｃｈｅｌｌｅｒ等人［２８］的实验中，体现了右手手指运动过程的??脑电信号ＥＲＳ／ＥＲＳ现象，如图１．３所示。??？５?Ａ?－３?－２?－１?０?１?２?３ｓ??图１．３?ＥＲＤ／ＥＲＳ现象示意图??感觉运动节律在ＢＣＩ系统中得到了广泛的应用。目前，美国Ｗａｄｓｗｏｒｔｈ中??心以Ｗｏｌｐａｗ为首的团队［２９］、德国柏林工业大学神经技术课题组的Ｂｌａｎｋｅｒｔｚ等??人［３（）］、奥地利格拉茨理工大学以ＰｆＵｒｔｓｃｈｅｌｌｅｒ为首的团队［３１３主要研究的系统均属??于基于；《、０节律的ＢＣＩ系统。??１．３?脑电信号处理方法研究现状??由上节介绍可知，在众多脑电活动及其诱发的脑电节律中，感觉运动节律??具有很强的生理学理论基础及应用价值。因此，本文的研究内容主要集中于基??于感觉运动节律，即主要研究基于运动想象（Ｍｏｔｏｒ?Ｉｍａｇｅｒｙ，?ＭＩ）的脑电信号??分析方法。??对运动想象ＥＥＧ信号的分析，主要有两个领域的应用价值，其一是用于对??脑电信号分类，完善运动想象ＢＣＩ的性能；其二则是用于对脑网络进行分析，??促进对人脑的研究。??１．３．１脑电信号分类算法研究现状??ＥＥＧ信号微弱、信噪比低，容易受到外界的干扰，具有非线性、非平稳的??特性，这些特点给对ＥＥＧ信号的分析和研究造成了?一定的困难。针对脑电信号??的特点，已逐步发展出了一系列从不同维度对脑电信号分析和分类的方法。??６??
?．?．?．?ｉ??ｒ???ｒ?—ｉ—￣￣＝—ｉ?１???ｔ￣￣＝?ｒ?￣￣—１?＼??ｏ－?????＾?＿？?■??－Ｌ??：????」－—???Ｉ???＇－?＇?；?＇?：??２?〇－???卜－２??＂Ｉ?ｉ?１?１???Ｊ???１?１?１?＇??（）?｜（Ｋ）?２００?３（Ｋ）?４００?５（Ｘ）?６（Ｋ）?７００?Ｈ（Ｋ）?９（Ｘ）?ＫＫＭ）??采样数??图２．１?ＥＭＤ分解结果示意图??由分解结果图可见，经过ＥＭＤ算法，原信号被分解为四个包含不同时间尺??度信息的ＩＭＦ分量，较好地还原出了原信号的各成分特征信息。ＥＭＤ是一种有??效的信号分解方法。??同时，信号ｘ（〇经过ＥＭＤ分解所得到的ＩＭＦ分量都满足Ｈｉｌｂｅｒｔ变换的条??件［５２］，因此，可以通过对分解结果逐层进行时变幅度和瞬时频率的求解与分析，??得到原信号能量的时频分布，即Ｈｉｌｂｅｒｔ谱。??首先，对ＩＭＦ分量（／，⑴，可以求出其Ｈｉｌｂｅｒｔ变换??以⑴＊?丄（２．１２）??＇?＇?ｎｔ?ｊ—?ＫＸ??从而得到解析信号??ｚ＾ｔ）?＝?ｄ．（ｔ）?＋?ｊｄ．（ｔ）?＝?ａｉ（ｔ）ｅ＂ＰｌＵ）?（２．１３）??其中ａ，（〇为幅值函数，％⑴为相位函数：??ａｉ（ｔ）?＝?ｙｊｄ；（ｔ）?＋?ｄ；｛ｔ）?（２．１４）??ｄ?（ｔ）??＜ｊｒ）（（〇＝ａｒｃｔａｎ?－ｆ—?（２．１５）??’?Ｊ??由此可求解出?⑴的瞬时频率??’?（２．１６）??Ｉｎ?ａｔ??１７??
【参考文献】：
期刊论文
[1]基于感兴趣脑区LASSO-Granger因果关系的脑电特征提取算法[J]. 佘青山,陈希豪,高发荣,罗志增. 电子与信息学报. 2016(05)
[2]正则化稀疏模型[J]. 刘建伟,崔立鹏,刘泽宇,罗雄麟. 计算机学报. 2015(07)
[3]脑网络:从脑结构到脑功能[J]. 蒋田仔,刘勇,李永辉. 生命科学. 2009(02)
[4]脑-机接口技术综述[J]. 杨立才,李佰敏,李光林,贾磊. 电子学报. 2005(07)
[5]脑机接口技术研究方法[J]. 何庆华,彭承琳,吴宝明. 重庆大学学报(自然科学版). 2002(12)
博士论文
[1]关于Granger因果分析的方法学研究[D]. 张健.浙江大学 2016
本文编号：3329603
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：94 页
【学位级别】：硕士
【部分图文】：
图１．２?１０－２０系统的电极摆放示意图??３??
浙江大学硕士学位论文?仑??运动想象），大脑对侧（即右侧）感觉运动节律在特定频率上表现出的幅值明??显降低；相反，ＥＲＳ现象则是大脑同侧（即左侧）感觉运动节律在特定频率上??表现出的幅值增高。Ｐｆｉｉｒｔｓｃｈｅｌｌｅｒ等人［２８］的实验中，体现了右手手指运动过程的??脑电信号ＥＲＳ／ＥＲＳ现象，如图１．３所示。??？５?Ａ?－３?－２?－１?０?１?２?３ｓ??图１．３?ＥＲＤ／ＥＲＳ现象示意图??感觉运动节律在ＢＣＩ系统中得到了广泛的应用。目前，美国Ｗａｄｓｗｏｒｔｈ中??心以Ｗｏｌｐａｗ为首的团队［２９］、德国柏林工业大学神经技术课题组的Ｂｌａｎｋｅｒｔｚ等??人［３（）］、奥地利格拉茨理工大学以ＰｆＵｒｔｓｃｈｅｌｌｅｒ为首的团队［３１３主要研究的系统均属??于基于；《、０节律的ＢＣＩ系统。??１．３?脑电信号处理方法研究现状??由上节介绍可知，在众多脑电活动及其诱发的脑电节律中，感觉运动节律??具有很强的生理学理论基础及应用价值。因此，本文的研究内容主要集中于基??于感觉运动节律，即主要研究基于运动想象（Ｍｏｔｏｒ?Ｉｍａｇｅｒｙ，?ＭＩ）的脑电信号??分析方法。??对运动想象ＥＥＧ信号的分析，主要有两个领域的应用价值，其一是用于对??脑电信号分类，完善运动想象ＢＣＩ的性能；其二则是用于对脑网络进行分析，??促进对人脑的研究。??１．３．１脑电信号分类算法研究现状??ＥＥＧ信号微弱、信噪比低，容易受到外界的干扰，具有非线性、非平稳的??特性，这些特点给对ＥＥＧ信号的分析和研究造成了?一定的困难。针对脑电信号??的特点，已逐步发展出了一系列从不同维度对脑电信号分析和分类的方法。??６??
?．?．?．?ｉ??ｒ???ｒ?—ｉ—￣￣＝—ｉ?１???ｔ￣￣＝?ｒ?￣￣—１?＼??ｏ－?????＾?＿？?■??－Ｌ??：????」－—???Ｉ???＇－?＇?；?＇?：??２?〇－???卜－２??＂Ｉ?ｉ?１?１???Ｊ???１?１?１?＇??（）?｜（Ｋ）?２００?３（Ｋ）?４００?５（Ｘ）?６（Ｋ）?７００?Ｈ（Ｋ）?９（Ｘ）?ＫＫＭ）??采样数??图２．１?ＥＭＤ分解结果示意图??由分解结果图可见，经过ＥＭＤ算法，原信号被分解为四个包含不同时间尺??度信息的ＩＭＦ分量，较好地还原出了原信号的各成分特征信息。ＥＭＤ是一种有??效的信号分解方法。??同时，信号ｘ（〇经过ＥＭＤ分解所得到的ＩＭＦ分量都满足Ｈｉｌｂｅｒｔ变换的条??件［５２］，因此，可以通过对分解结果逐层进行时变幅度和瞬时频率的求解与分析，??得到原信号能量的时频分布，即Ｈｉｌｂｅｒｔ谱。??首先，对ＩＭＦ分量（／，⑴，可以求出其Ｈｉｌｂｅｒｔ变换??以⑴＊?丄（２．１２）??＇?＇?ｎｔ?ｊ—?ＫＸ??从而得到解析信号??ｚ＾ｔ）?＝?ｄ．（ｔ）?＋?ｊｄ．（ｔ）?＝?ａｉ（ｔ）ｅ＂ＰｌＵ）?（２．１３）??其中ａ，（〇为幅值函数，％⑴为相位函数：??ａｉ（ｔ）?＝?ｙｊｄ；（ｔ）?＋?ｄ；｛ｔ）?（２．１４）??ｄ?（ｔ）??＜ｊｒ）（（〇＝ａｒｃｔａｎ?－ｆ—?（２．１５）??’?Ｊ??由此可求解出?⑴的瞬时频率??’?（２．１６）??Ｉｎ?ａｔ??１７??
【参考文献】：
期刊论文
[1]基于感兴趣脑区LASSO-Granger因果关系的脑电特征提取算法[J]. 佘青山,陈希豪,高发荣,罗志增. 电子与信息学报. 2016(05)
[2]正则化稀疏模型[J]. 刘建伟,崔立鹏,刘泽宇,罗雄麟. 计算机学报. 2015(07)
[3]脑网络:从脑结构到脑功能[J]. 蒋田仔,刘勇,李永辉. 生命科学. 2009(02)
[4]脑-机接口技术综述[J]. 杨立才,李佰敏,李光林,贾磊. 电子学报. 2005(07)
[5]脑机接口技术研究方法[J]. 何庆华,彭承琳,吴宝明. 重庆大学学报(自然科学版). 2002(12)
博士论文
[1]关于Granger因果分析的方法学研究[D]. 张健.浙江大学 2016
本文编号：3329603
本文链接：https://www.wllwen.com/yixuelunwen/shenjingyixue/3329603.html
最近更新
教材专著
