论文题目: 分尺度复杂性及希尔伯特-黄变换在脑电分析中的应用
论文类型: 博士论文
论文专业: 生物医学工程
作者: 毛大伟
导师: 童勤业
关键词: 脑电,运动表象,事件相关去同步化,事件相关同步化,希尔伯特黄变换,脑机接口,皮层脑电,复杂性,多尺度分析
文献来源: 浙江大学
发表年度: 2005
论文摘要: 人脑是一个高度复杂的非线性非平稳系统,所以脑电图和皮层脑电图也是非线性非平稳信号,基于线性和平稳假设的分析方法尽管取得了一些重要的研究成果,但是无法对神经系统进行更加深入的解释。复杂性分析方法和时频分析方法为分析脑电分析提供了新的手段,本文第一部分对复杂性方法的粗粒化问题进行了研究,第二部分将希尔伯特—黄变换方法用于分析运动表象。 Lempel-Ziv复杂性是一种实用的脑电分析方法,但现有的二值化方法会丢失部分原始信息。另外,在不同尺度下复杂性一般是不同的,计算小尺度下序列的复杂性,可以得到更多的信息,所以需要在不同尺度下计算信号的复杂性。增加符号数目可以减少信息损失但会增加符号序列长度和计算时间。本文提出了一种新的二值化方法,将原始信号分为多个区间,用“0”“1”表示序列在一定尺度范围内的下降和上升。这种方法在不增加符号数目的情况下减小信息损失并且可以计算不同尺度下的复杂性。以下工作证明了此方法的有效性: 用叠加了正弦曲线的Logistic映射对这种方法进行了分析,分析结果显示此方法可以刻画在小尺度下序列的复杂性;将这一方法应用于区分文字和照片,实验发现随着复杂性计算尺度的减小,照片复杂性的增加大于文字复杂性的增加,这一结果表明不同尺度下的复杂性可以作为文字和照片分类的一个特征;对精神分裂症病人和正常人的脑电分析显示,在计算复杂性过程中选用小尺度下二值化方法同传统的二值化方法相比,可以降低误判率。 运动表象分析是脑机接口(BCI)的一个分支,因为脑电是非平稳非线性信号,所以本文采用了一种全新的非平稳、非线性分析方法:希尔伯特—黄变换(HHT)分析运动表象。和其它分解方法不同,HHT的基函数来自数据本身,具有局部性、自适应性并且是数据驱动的。分析结果如下: 在对BCI2005数据Ⅲb的分析过程中,在不同频率下观察到了事件相关去同步化(ERD)和事件相关同步化(ERS)现象。利用时频窗口内的振幅标准差和能量对想象的左手和右手进行分类,一名被试的分类误判率低于10%。发现了一名被试左右脑的不对称现象,在单独利用两个对称电极中的一个进行运动表象分类
论文目录:
摘要
ABSTRACT
第一章 绪论
1．1 脑电简介
1．2 脑电的主要分析方法
1．3 线性方法的局限性
1．4 适用于脑电分析的复杂性方法
1．5 复杂性方法的粗粒化问题以及分尺度复杂性
1．6 时频分析方法以及希尔伯特—黄变换
1．7 本文的主要工作
第二章 复杂性方法
2．1 信号分析中的复杂性度量方法介绍
2．2 随机性和复杂性的关系
2．3 ITM用于心理实验的研究
2．4 本章小节
第三章 多尺度复杂性及应用
3．1 复杂性计算过程中的过粗粒化问题
3．2 几种分尺度复杂性
3．3 复杂性计算过程中在不同尺度下二值化的方法
3．4 多尺度下二值化过程中分割方法的选择
3．5 构造曲线复杂性的小尺度分析
3．6 小尺度复杂性方法存在的问题
3．7 小尺度复杂性用于区分文字和照片
3．8 小尺度复杂性用于精神分裂症脑电分析
3．9 本章小节
第四章 希尔伯特—黄变换
4．1 时频分析方法
4．2 EMD方法
4．3 HILBERT谱
4．4 本章小结
第五章 基于HHT的运动表象研究
5．1 脑机接口简介
5．2 运动表象及其神经生理学基础
5．3 分类器的选择
5．4 识别率的估计方法
5．5 BCI2005数据ⅢB简介
5．6 HHT方法对数据ⅢB的分析
5．7 BCI2005数据Ⅰ简介，分析的难点以及HHT的优势
5．8 电极选择
5．9 原始信号及IMF能量的交叉验证结果
5．10 体表拉普拉斯滤波在ECOG预处理中作用初步探讨
5．11 多电极多时间段多参数结合分析
5．12 本章小节
第六章 课题的总结与展望
致谢
参考文献
作者在攻读博士学位期间完成的科研成果及论文
发布时间: 2005-07-15
参考文献
- [1].面向临床应用的脑机接口技术研究[D]. 肖君.华南理工大学2018
- [2].多通道无线低功耗双向脑机接口关键技术研究[D]. 苏亿.武汉大学2016
- [3].脑机接口分类算法及实验研究[D]. 刘伯强.天津大学2005
- [4].运动型脑机接口中神经元峰电位记录与检测的关键技术研究[D]. 周寅.浙江大学2017
- [5].高性能视觉ERP脑机接口若干问题研究[D]. 马征.大连理工大学2016
- [6].稳态视觉诱发电位在脑机接口及认知过程中的应用研究[D]. 吴正华.电子科技大学2008
- [7].基于汉字的多模态脑机交互技术研究[D]. 王力.东南大学2015
- [8].基于视觉诱发电位的脑机接口实验研究[D]. 何庆华.重庆大学2003
- [9].自发式多分类脑机协同控制方法研究[D]. 姜俊.国防科学技术大学2016
- [10].基于强化学习的植入式脑机接口神经信息解码：算法设计及应用[D]. 汪芳.浙江大学2015
相关论文
- [1].多分辨希尔伯特—黄（Hilbert-Huang）变换方法的研究[D]. 谭善文.重庆大学2001
- [2].希尔伯特—黄变换局瞬信号分析理论的研究[D]. 钟佑明.重庆大学2002
- [3].基于脑电信号的脑-机接口技术研究[D]. 赵丽.天津大学2004
- [4].希尔伯特—黄变换（HHT）与地震动时程的希尔伯特谱[D]. 张郁山.中国地震局地球物理研究所2003
- [5].基于脑电信号的脑—计算机接口的研究[D]. 程明.清华大学2004
- [6].脑电的复杂度分析[D]. 沈恩华.复旦大学2005
- [7].基于Hilbert-Huang变换的旋转机械故障诊断方法研究[D]. 程军圣.湖南大学2005
- [8].希尔伯特黄变换在矢量信号处理中的应用研究[D]. 王逸林.哈尔滨工程大学2006
- [9].脑机接口分类算法及实验研究[D]. 刘伯强.天津大学2005
- [10].脑电非线性时间序列仿真研究[D]. 范金锋.中国科学技术大学2007
标签：脑电论文; 运动表象论文; 事件相关去同步化论文; 事件相关同步化论文; 希尔伯特黄变换论文; 脑机接口论文; 皮层脑电论文; 复杂性论文; 多尺度分析论文;