脑电双谱分析与特征分类识别

发布时间：2017-05-24 02:06

  本文关键词：脑电双谱分析与特征分类识别，由笔耕文化传播整理发布。

【摘要】：脑电信号是脑神经的生物电活动在大脑皮层的反映，脑电信号的提取和分析能够为医疗提供出很好的临床诊断作用，对脑疾病的治疗提供了很好的支撑，但脑电却也是一种非常复杂的非高斯、非线性随机过程，传统地通过时域或频域分析已经不能准确表征信号特征，而且不利于脑电信号瞬态波形的特征提取，而高阶谱方法的运用对于脑电信号的处理研究却具有很好效果。 在本次实验的设计过程，邀请了十多名志愿者，让每个受试者均做了三组不同注意力测试的脑电实验，然后对每个人实验的原始数据进行了采集和存储，再对各个实验数据进行了滤波、降采样、分段等预处理，求取出脑电实验每个电极的双谱三维图、双谱三维图的对角切片图。由于不同实验状态下脑电信号双谱切片具有着不同的特征，根据此提取出脑电信号在不同状态下的特征值，并运用SVM、KNN、PNN三种分类方法对双谱切片的特征值进行交叉分类处理，实现了在不同实验状态下脑电信号的分类，进而求取和对比了分类效果的准确率和互信息值，得出SVM分类最佳的方法。之后再根据脑电OQ实验的C3电极和其他13个电极所具有的不同双谱特征，，进行了双谱切片、双谱切片特征值的求取，再次运用了SVM分类对比，得出了不同脑电极信号双谱切片具有差异性的结果。从而证明了大脑在同一电极的不同状态下，以及同一种状态的不同电极之间，脑电信号的非线性耦合特征具有差异性的结论。最后采用了功率谱特征值法参与比较，进一步提高了注意集中和注意力分散方式下脑电信号的分类效果。
【关键词】：信号特征 脑电实验 双谱切片 分类
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：R741.044;TN911.7
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-13
• 1.1 引言7-8
• 1.2 脑电信号的研究8-11
• 1.2.1 脑电信号特征8-9
• 1.2.2 脑电研究方法9-10
• 1.2.3 高阶谱的特性10-11
• 1.3 本文内容结构安排11-13
• 第二章 实验数据采集和预处理13-19
• 2.1 实验过程13-16
• 2.1.1 实验内容和要求13-14
• 2.1.2 不同状态下的实验14-16
• 2.2 脑电信号的预处理16-19
• 2.2.1 滤波器的选择17
• 2.2.2 滤波和降采样17-19
• 第三章 双谱和双谱切片19-35
• 3.1 双谱的性质19-23
• 3.1.1 双谱的定义19-20
• 3.1.2 双谱的特性20-21
• 3.1.3 双谱估计算法21-23
• 3.2 双谱参数的影响23-27
• 3.2.1 总采样数参数的影响23-24
• 3.2.2 nfft点数和双谱特性的相关性24-26
• 3.2.3 样本数 sampseg 的参数分析26-27
• 3.3 双谱与非线性相位耦合27-31
• 3.3.1 非线性耦合性质27-30
• 3.3.2 谐波信号的双谱特性30-31
• 3.4 双谱的切片特性31-35
• 第四章 三种分类器和互信息35-43
• 4.1 SVM分类器35-38
• 4.1.1 SVM的基本思想35-37
• 4.1.2 线性核函数37-38
• 4.1.3 SVM的应用38
• 4.2 KNN分类38-39
• 4.2.1 K最近邻估算法38-39
• 4.2.2 KNN法的不足和改进39
• 4.3 PNN分类器39-41
• 4.3.1 PNN网络结构图40
• 4.3.2 PNN的特点与应用40-41
• 4.4 互信息41-43
• 4.4.1 互信息概念和定义41-42
• 4.4.2 互信息的性质和应用42-43
• 第五章 脑电双谱特征和分类识别43-59
• 5.1 脑电不同实验的双谱特征43-45
• 5.1.1 不同实验状态下的双谱图43-45
• 5.1.2 脑电双谱切片的特征值45
• 5.2 特征值的分类比较45-50
• 5.2.1 SVM分类效果图45-48
• 5.2.2 PNN分类效果图48-49
• 5.2.3 KNN分类效果图49
• 5.2.4 三种分类器效果比较49-50
• 5.3 不同电极切片谱分类识别50-53
• 5.3.1 切片特征的提取50-52
• 5.3.2 不同电极切片差异性分类对比52-53
• 5.4 注意力情况的脑电特征分类53-59
• 5.4.1 功率谱特征值求取53-55
• 5.4.2 特征值分类法对比55-59
• 第六章 总结和展望59-61
• 致谢61-63
• 参考文献63-67
• 在校期间科研成果67-68

【相似文献】

中国期刊全文数据库 前10条

1 黄力宇,付晓研,王珏,程敬之;用脑电双谱分析和人工神经网络预测癫痫发作的研究[J];中国康复医学杂志;2004年08期

2 朱也森,姜虹;脑电双谱指数监测腭裂手术麻醉后恢复的评价[J];上海口腔医学;2000年02期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

中国硕士学位论文全文数据库 前1条

1 杜英举;脑电双谱分析与特征分类识别[D];西安电子科技大学;2014年

  本文关键词：脑电双谱分析与特征分类识别，由笔耕文化传播整理发布。

本文编号：389577