论文题目: 小波变换在脑电特征信号提取中的应用研究
论文类型: 硕士论文
论文专业: 生物医学工程
作者: 王雷
导师: 刘伯强
关键词: 脑电信号,小波变换,小波包,消噪
文献来源: 山东大学
发表年度: 2005
论文摘要: 脑电信号是大脑皮层的神经元具有的生物电活动。脑电信号中包含大量的人体生理与疾病信息,在临床医学上,脑电信号处理不仅可以为某些脑疾病提供诊断的依据,而且还为某些脑疾病提供了有效的治疗手段。正确的提取和识别脑电信号波形,对于疾病的诊断和各种生理现象的解释具有很大的重要性。 由于脑电信号的重要性,自上个世纪20年代出现脑电图记录以来,对于脑电信号的研究就方兴未艾,同时伴随着信号处理技术的发展,对脑电信号的各种处理算法不断涌现,其中傅立叶变换,功率谱估计等方法均应用于脑电信号的处理,这些都极大推进了脑电信号分析的发展。 但是由于脑电信号是非平稳随机信号,所以用傅立叶变换的方法很难得出满意的结论。后来到了二十世纪八十年代,发展起来一门新型的信号处理方法一小波变换理论,小波变换对于信号的高频成分使用逐渐尖锐的时间分辨率以便移近观察信号的快变成分,对于低频成分使用逐渐尖锐的频率分辨率以便移远观察信号的慢变成分。小波的这种既见树木又见森林的信号分析表示特征对分析非平稳信号非常有利。 本文首先介绍了脑电信号的波形的含义和波形提取的导联方法,对各种脑电信号节律作了介绍。主要研究了小波变换在脑电信号提取、消噪、和诱发脑电信号的获取方面的应用,为更加准确的分析脑电信号提供大量时频信息。 对于脑电信号,其中含有大量瞬态信号,这些信号对于疾病的诊断有重要的价值。我们把小波变换应用于这些信号的检测,对于分析瞬态信号和取出噪声取得了明显的效果。采用多分辨率分析的方法对脑电信号进行分解,观测瞬态信号在不同子频带内所表现的时域特性,并将瞬态脉冲较为突出的子带信号组合在一起,构成新的观测信号,然后对新的信号进行检测和定位。用幅值检测法进行去噪,消除噪声干扰,在时频两方面都取得了很好的效果。 同时由于多分辨率分析是在低频段对信号进行细分,而小波包是在低频和高频一起进行细分,这对于检测全频段十分有利,我们用小波包分析方法对脑电信号的主要节律进行了分解,对于进一步仔细研究高频和低频脑电节律的发生机理和疾病波形特征起到了重要作用。 在脑电信号分析中,诱发脑电对于分析脑部疾病和人脑机能有着重要的作
论文目录:
文摘
Abstract
第一章 绪论
第一节 脑电信号的分类和研究意义
1.1.1 脑电图
1.1.2 诱发电位
1.1.3 脑电信号的提取与识别的重要性
第二节 脑电图研究历史
第三节 脑电图信号的提取
第二章 脑电图综述
第一节 脑电信号波形分类
2.1.1 脑电信号基本分类
2.1.2 脑电信号的变化差异
第二节 脑电图节律特征
2.2.1 脑电α节律信号特征
2.2.2 脑电快波特征
2.2.3 慢波特征
2.2.4 其他波形
第三章 小波变换基本理论
第一节 小波变换的起源
3.1.1 傅里叶变换
3.1.2 短时傅里叶变换
第二节 小波变换
3.2.1 连续小波变换
3.2.2 离散小波变换
3.2.3 二进正交小波变换
3.2.4 多分辨率分析
3.2.5 小波包分析
3.2.6 最佳基搜索
第四章 小波分析的应用
第一节 小波分析在滤波上的应用
第二节 信号检测
第五章 小波变换在脑电信号处理中的应用仿真
第一节 应用小波变换对脑电瞬态信号的检测
5.1.1 瞬态信号的检测分析
5.1.2 脑电瞬态信号的消噪
5.1.3 应用小波变换检测脑电波形中的癫痛波
第二节 视觉诱发脑电信号的提取中小波变换的应用
5.2.1 视觉诱发信号的提取方法
5.2.2 错位叠加和小波分解的方法去除背景脑电信号
5.2.3 小波分解重构方法提取诱发信号
第三节 基于小波包分解的不同状态下的脑电信号分析
第六章 总结与展望
参考文献
攻读硕士学位期间所发表的论文
致谢
学位论文评阅及答辩情况表
发布时间: 2005-10-17
参考文献
- [1].基于脑电图的诱发型情感识别及机制研究[D]. 郭敏.华侨大学2017
- [2].脑电信号处理软件的设计与开发[D]. 李福武.广西师范大学2008
- [3].基于运动想象的脑电信号分类算法与脑-机接口技术研究[D]. 杨默涵.吉林大学2017
- [4].脑电信号采集与分析系统的设计[D]. 许凤娟.长春理工大学2011
- [5].基于小波变换的睡眠脑电信号分析[D]. 殷万妮.南京大学2014
- [6].高性能数字化脑电诊断和监护机的研制[D]. 孙友明.广西师范大学2006
- [7].基于深度学习的运动想象脑电信号分类算法研究[D]. 佟歌.哈尔滨工程大学2018
- [8].BCI系统的脑电信号分析和类脑避障策略[D]. 原博炜.东华大学2018
- [9].基于脑电的情绪识别研究[D]. 许丽.昆明理工大学2018
- [10].基于度量学习的脑电信号情绪识别方法研究[D]. 杨赞杰.哈尔滨工业大学2018
相关论文
- [1].基于小波和独立分量分析的脑电信号预处理研究[D]. 陈颖萍.华中科技大学2006
- [2].基于谐波小波变换的脑电信号分析与特征提取研究[D]. 李亚品.广西师范大学2006
- [3].脑电信号的特征提取及睡眠分期方法研究[D]. 马颖颖.西北工业大学2007
- [4].基于独立分量分析的脑电消噪与特征提取[D]. 王永飞.安徽大学2006
- [5].脑电信号处理算法及其便携式系统研究[D]. 高岸声.清华大学2006
- [6].基于小波变换的脑电信号处理研究[D]. 孔繁伟.山东大学2005
- [7].脑电信号的特性分析与特征提取[D]. 白冬梅.大连理工大学2006
- [8].脑电信号实用处理技术的研究[D]. 于兰兰.山东大学2006
- [9].基于小波和独立分量分析的脑电信号处理[D]. 张道信.安徽大学2002
- [10].基于独立分量分析的思维脑电和诱发脑电的特征提取[D]. 郭晓静.安徽大学2003