基于ARMA过程的自发脑电过滤方法研究

发布时间：2017-05-25 12:14

  本文关键词：基于ARMA过程的自发脑电过滤方法研究，由笔耕文化传播整理发布。

【摘要】：事件相关电位(Event-related Potential, ERP)是由多个或多种的刺激(如声、光、图像等)所引起的特殊的脑的诱发电位,是一种在头颅表面记录到的脑电位。其有多个组成部分,但信号都很微弱,并容易受噪声干扰。其频率范围被人脑内无时无刻不存在的自发电位所覆盖。通常提取事件相关电位需要经过数十次的叠加平均,这就需要同样数量的重复实验。但是重复实验的效果并不尽如人意,因此从少次甚至单次实验中提取ERPs成为脑电信号处理的重点及难点问题。本文的研究基于三个基本假设：第一：脑电信号(electroencepha lograp h, EEG)是短时平稳的。第二：自发脑电并不是白噪声,它是一个有色噪声。第三：在刺激前的一段时间的自发脑电信号和刺激后混杂有事件相关电位的EEG中的自发脑电具有相同的特性,也就是说根据刺激前的自发电位构建的自回归-滑动平均(Auto-regressive and Moving average, ARMA)模型也能够很好的拟合刺激后的脑电信号中的自发脑电部分。本文将ARMA模型应用于自发脑电的过滤工作,主要做了以下研究工作：(1)对比多种ARMA模型的定阶方法以及模型检验方法,通过实验确定最佳的适合脑电信号的ARMA模型建模方法组合。先利用自相关图和偏自相关图来初步确定模型类型,然后用穷举定阶法来确定模型的具体阶数,进而用Levinson-Durbin'快速递推法和Newton-Raphson法来分别计算自回归系数和滑动平均系数。模型检验使用的是χ2检验法。(2)把脑电信号数据用AR模型进行拟合,用求得的AR系数分别构造各自的白化滤波器。将刺激后的EEG段通过滤波器来对自发脑电信号进行白化。对于某些不适合AR模型的脑电数据,根据Wold分解定理,仍然使用高阶的AR模型对其进行近似的拟合。(3)用ARMA模型来对脑电信号进行拟合,很好的解决了AR模型不适合某些脑电数据的情况。并针对ARMA模型设计相应的白化滤波器来完成白化工作。(4)实验对比,将本文的方法和叠加平均的结果进行对比,说明本实验的优越性。同时将用ARMA建模和AR建模的实验结果进行对比,说明了ARMA建模的优越性。本实验对于用ARMA模型来进行事件相关电位的单次提取提供了新思路。
【关键词】：脑电信号 事件相关电位 单次试验 ARMA模型 白化滤波器
【学位授予单位】：福州大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：R741.044;TN911.7
【目录】：

• 中文摘要3-4
• Abstract4-7
• 第一章 绪论7-12
• 1.1 研究背景7-9
• 1.1.1 脑电信号7-8
• 1.1.2 脑电信号的发现8
• 1.1.3 脑电信号的研究进展8-9
• 1.2 研究内容和创新点9-10
• 1.2.1 本文的研究内容9-10
• 1.2.2 论文的创新点10
• 1.3 本文的组织结构10-12
• 第二章 脑电信号的获取12-18
• 2.1 实验室的建立12-13
• 2.2 脑电信号的采集13-16
• 2.2.1 被试的准备13-14
• 2.2.2 电极的安放14-15
• 2.2.3 采集15-16
• 2.3 脑电信号的预处理16-17
• 2.4 本章总结17-18
• 第三章 基于ARMA过程的脑电信号模型18-32
• 3.1 模型的识别19
• 3.2. 模型定阶19-23
• 3.2.1 残差方差图定阶法19-20
• 3.2.2 F检验定阶法20-21
• 3.2.3 AIC准则函数定阶法21-22
• 3.2.4 穷举定阶法22-23
• 3.3 模型的参数估计23-27
• 3.3.1 Levinson-Durbin快速递推法23-25
• 3.3.2 Newton-Raphson算法25-27
• 3.4 模型的适应性检验27-29
• 3.4.1 相关函数法28
• 3.4.2 χ~2检验法28-29
• 3.5 实验及分析29-30
• 3.5.1 实验数据29
• 3.5.2 实验结果29-30
• 3.6 本章小结30-32
• 第四章 AR滤波的实现32-38
• 4.1 AR逆系统32-34
• 4.2 基于AR过程的自发脑电信号过滤34-35
• 4.3 实验及分析35-37
• 4.3.1 实验数据36
• 4.3.2 实验结果36-37
• 4.4 本章小结37-38
• 第五章 ARMA滤波的实现38-43
• 5.1 ARMA逆系统38-39
• 5.1.1 可逆性条件38-39
• 5.2 基于ARMA过程的自发脑电过滤39-40
• 5.3 实验及分析40-42
• 5.3.1 实验数据40-41
• 5.3.2 实验方案41
• 5.3.3 实验结果41-42
• 5.4 本章小结42-43
• 第六章 总结与展望43-45
• 6.1 总结43
• 6.2 展望43-45
• 参考文献45-48
• 致谢48-49
• 个人简历49-50
• 在学期间研究成果及发表的学术论文50

【相似文献】

中国期刊全文数据库 前10条

1 薛蕴全,王秋英,王宏;脑电信号的动态时空响应拓扑图[J];仪器仪表学报;2001年S1期

2 马颖颖;张泾周;吴疆;;脑电信号处理方法[J];北京生物医学工程;2007年01期

3 谢松云;张振中;杨金孝;张坤;;脑电信号的若干处理方法研究与评价[J];计算机仿真;2007年02期

4 鲁强;刘玉军;徐建兰;张进禄;;一种适用于清醒动物脑电信号采集的固定装置[J];首都医科大学学报;2011年06期

5 董盟盟;仲轶;徐洁;戴体俊;刘功俭;;基于小波分析的脑电信号处理[J];电子设计工程;2012年24期

6 戴银涛,吴祈耀;快速提取脑电信号的谱分量参数[J];北京生物医学工程;1989年01期

7 孟欣，欧阳楷;脑电信号的几个非线性动力学分析方法[J];北京生物医学工程;1997年03期

8 程明,高上凯,张琳;基于脑电信号的脑—计算机接口[J];北京生物医学工程;2000年02期

9 罗建,崔亮,卫娜,张治钢;脑电信号采集与处理系统的研制[J];医疗卫生装备;2000年06期

10 吴小培,冯焕清,周荷琴,王涛;独立分量分析及其在脑电信号预处理中的应用[J];北京生物医学工程;2001年01期

中国重要会议论文全文数据库 前10条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

3 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

4 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

6 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

7 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

8 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

9 李丽君;黄思娟;吴效明;熊冬生;;基于运动想象的脑电信号特征提取与分类[A];中国仪器仪表学会医疗仪器分会2010两岸四地生物医学工程学术年会论文集[C];2010年

10 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

中国重要报纸全文数据库 前1条

1 张文清　记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年

中国博士学位论文全文数据库 前10条

1 彭宏;普适化脑电信息感知关键问题的研究[D];兰州大学;2015年

2 吴玉鹏;AR谱在皮层痫样脑电信号分析应用[D];河北医科大学;2015年

3 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年

4 孙宇舸;脑—机接口系统中脑电信号处理方法的研究[D];东北大学;2012年

5 周群;脑电信号同步：方法及应用研究[D];电子科技大学;2009年

6 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

7 李春胜;脑电信号混沌特性的研究与应用[D];东北大学;2011年

8 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年

9 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年

10 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年

中国硕士学位论文全文数据库 前10条

1 于洪;基于脑电信号的警觉度估计[D];上海交通大学;2007年

2 蒋洁;基于高性能计算的脑电信号分析[D];燕山大学;2010年

3 张志琴;脑电信号的复杂性分析[D];中南大学;2009年

4 许凤娟;脑电信号采集与分析系统的设计[D];长春理工大学;2011年

5 曹铭;意识障碍患者脑电信号的非线性动力学评价分析[D];杭州电子科技大学;2012年

6 薛吉星;多通道脑电信号采集与处理系统研究[D];华南理工大学;2015年

7 刘静;基于加权排序熵的多通道脑电信号同步算法研究[D];燕山大学;2015年

8 陈泽涛;基于脑电信号分析的AD早期评估系统的设计与实现[D];燕山大学;2015年

9 王欢;基于非平稳时间序列分析方法的脑电信号模式识别[D];苏州大学;2015年

10 王琼颖;脑电信号的非线性动力学分析及其在睡眠分期中的应用[D];哈尔滨工业大学;2015年

  本文关键词：基于ARMA过程的自发脑电过滤方法研究，由笔耕文化传播整理发布。

，

本文编号：393692