基于小波变换和卡尔曼滤波器的去眼电伪迹算法的研究

发布时间：2017-04-23 10:12

  本文关键词：基于小波变换和卡尔曼滤波器的去眼电伪迹算法的研究，由笔耕文化传播整理发布。

【摘要】：脑电图作为一种非倾入式的记录脑活动信息的方法,由于其高分辨率的特性而被广泛用于研究大脑功能。由于脑电信号非常微弱,极易受到其它噪声伪迹的干扰,尤其是眼电伪迹,而这严重影响了脑电的后续分析。因此,如何有效地去除脑电中的噪声并获得干净的脑电信号成为了一项重要的研究内容。目前,各种去眼电伪迹的方法层出不穷,但是许多方法受到各种条件的限制,例如很多方法去除眼电伪迹的时候需要同步记录的眼电信号。而在便携式环境下,由于脑电采集设备的导联数目受到限制,因此这些方法并不能直接进行使用。为了解决上述问题,本文提出了小波变换结合卡尔曼滤波器模型用于自动地去除脑电中的眼电伪迹。由于眼电伪迹是随机出现在脑电信号中的,所以该模型首先检测并提取眼电伪迹出现的区域,并只对这些区域进行处理从而避免对非眼电区域的脑电信号造成影响。然后用小波将提取出来的眼电区域分解为4层,由于眼电信号的频率较低,所以只用近似层的小波系数重构出粗糙的眼电伪迹。因为重构出的眼电伪迹中含有低频的脑电信号,因此采用卡尔曼滤波器对重构的眼电伪迹做进一步处理,估计出纯粹的眼电伪迹,最后从原始的脑电信号中将其去除,即可得到干净的脑电信号。为验证上述模型的有效性,本文使用模拟数据将该模型和ICA结合小波模型及自适应滤波器结合小波模型进行了定量的对比分析。在时域上,本文所提方法的均方误差(MSE)值为0.0017,而ICA小波模型和自适应滤波器小波模型的MSE分别为0.0468和0.0052;在频域上,本文所提方法的平均绝对误差(MAE)的均值为0.0052,而另外两种模型的MAE的均值分别为0.0218和0.0115。可以看出,本文所提模型的MSE值和MAE的均值都要明显小于另外两种模型,说明该模型在时域上和频域上都取得了更好的去眼电伪迹效果。为进一步说明该模型的实用性,本文还分别使用了由BrainCap和三导脑电采集器采集的实际脑电数据对该方法的去噪性能加以验证,结果表明该方法能很好地去除脑电中的眼电伪迹。综合来看,本文提出的方法能够有效地自动去除脑电中的眼电伪迹,而且能够很好地应用于便携式脑电设备。
【关键词】：脑电 眼电伪迹 小波变换 卡尔曼滤波器
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R741.044;TN713
【目录】：

• 中文摘要3-4
• Abstract4-8
• 第一章 绪论8-19
• 1.1 大脑的研究方法8-10
• 1.2 脑电的应用10-12
• 1.3 脑电信号的特点及分类12-14
• 1.4 脑电信号中的各种伪迹14-15
• 1.5 眼电伪迹去除的研究现状15-17
• 1.6 本文的研究工作及研究目的17
• 1.7 本文的结构安排17-19
• 第二章 常见的去眼电伪迹的方法理论19-31
• 2.1 自适应滤波19-21
• 2.2 独立成分分析21-23
• 2.3 小波变换23-28
• 2.3.1 连续小波变换24-25
• 2.3.2 离散小波变换及多分辨率分析25-27
• 2.3.3 小波包分析27-28
• 2.4 希尔伯特黄变换28-30
• 2.4.1 经验模态分解28-29
• 2.4.2 希尔伯特谱和边际谱29-30
• 2.5 小结30-31
• 第三章 自动去眼电伪迹模型的研究31-38
• 3.1 ICA结合小波去眼电伪迹模型31-32
• 3.2 自适应滤波器结合小波去眼电伪迹模型32-34
• 3.3 小波结合卡尔曼滤波器去眼电伪迹模型34-38
• 第四章 实验结果及分析38-47
• 4.1 模拟脑电数据实验及结果38-42
• 4.2 实际脑电数据实验及结果42-47
• 4.2.1 BrainCap采集的脑电数据的实验42-44
• 4.2.2 三导脑电采集器采集的脑电数据的实验44-47
• 第五章 总结和展望47-49
• 5.1 本文所做的工作47-48
• 5.2 工作展望48-49
• 参考文献49-53
• 在学期间的研究成果53-54
• 致谢54

【相似文献】

中国期刊全文数据库 前10条

1 刘铁军;田银;尹刚;尧德中;;一种基于皮层成像的自动眼电伪迹去除方法[J];中国生物医学工程学报;2009年01期

2 向馗;罗乔;陈静;;基于周期元分析的运动伪迹消除方法——以心电信号为例[J];生物医学工程学杂志;2012年04期

3 彭诚;叶大田;;小波变换模极大值重建方法消除胃电检测中的运动伪迹[J];清华大学学报(自然科学版);2007年03期

4 应俊;陈广飞;何史林;;基于独立分量分析算法的脑电伪迹分离研究[J];中国医疗器械杂志;2010年01期

5 张莉;何传红;何为;王林泓;;基于典型相关分析与低通滤波的肌电伪迹去除[J];数据采集与处理;2010年02期

6 林绍杰;赖丽娟;吴效明;;基于阻抗检测的自适应消除心电运动伪迹方法[J];生物医学工程学杂志;2010年03期

7 魏颖雯;闫相国;;应用经验模式分解去除近红外光的运动伪迹[J];西安交通大学学报;2014年02期

8 刘铁军;颜红梅;陈华富;尧德中;;基于独立成分分析和最小模解的眼电伪迹去除[J];中国临床康复;2005年40期

9 董宏斌;刘晋明;毛建灿;;嵌入式听力诊断系统中的伪迹消除方法[J];单片机与嵌入式系统应用;2011年07期

10 刘长生;唐艳;汤井田;;基于独立分量分析的脑电中眼电伪迹消除[J];计算机工程与应用;2007年17期

中国重要会议论文全文数据库 前4条

1 刘铁军;尧德中;;基于回归眼电伪迹处理方法与基于成分分析眼电伪迹处理方法的应用郊果比较[A];第一届全国脑与认知科学学术研讨会论文集[C];2005年

2 张莉;何为;何传红;;脑电伪迹消除方法的研究[A];第十届全国电工数学学术年会论文集[C];2005年

3 朱国行;孙冰;章悦;洪震;;脑电图伪迹判定[A];第九次全国神经病学学术大会论文汇编[C];2006年

4 王娆芬;张建华;王行愚;;基于ICA和FCM算法的操作员脑电信号眼电伪迹自动去除研究[A];中国自动化学会控制理论专业委员会B卷[C];2011年

中国博士学位论文全文数据库 前1条

1 刘铁军;脑电信号中眼电伪迹去除方法研究[D];电子科技大学;2008年

中国硕士学位论文全文数据库 前10条

1 李洋;基于小波变换和卡尔曼滤波器的去眼电伪迹算法的研究[D];兰州大学;2016年

2 陆云达;基于内源信号的脑功能光学成像血管伪迹检测及去除方法研究[D];上海交通大学;2012年

3 李大焕;基于精确延时估计的脑电磁共振同时测量时梯度伪迹的去除[D];电子科技大学;2009年

4 尹兵;脑电波信号的去伪迹研究[D];南京邮电大学;2014年

5 王振宇;脑电信号伪迹去除方法的研究与应用[D];电子科技大学;2013年

6 张姗姗;基于盲源分离的眼电伪迹去除技术研究[D];郑州大学;2014年

7 黄思娟;基于小波分析的EEG伪迹去除与特征分析研究[D];华南理工大学;2011年

8 韩理;视神经电刺激诱发皮层响应的记录与信号处理方法的研究[D];上海交通大学;2008年

9 王兵;脑电信号中伪迹去除的综合研究[D];浙江大学;2010年

10 陈立伟;基于PCA、ICA的脑电伪迹消除研究[D];电子科技大学;2004年

  本文关键词：基于小波变换和卡尔曼滤波器的去眼电伪迹算法的研究，由笔耕文化传播整理发布。

，

本文编号：322236