独立分量分析及其在事件相关电位中的应用研究

论文摘要

脑电信号（EEG）是通过电极记录下来的、细胞群的自发性或诱发性的电活动。事件相关电位（Event-Related Potential, ERP）作为一种特殊的诱发脑电,反应了认知过程中大脑的神经电活动,是一个研究人类高级认知功能的有力工具。然而ERP信号非常微弱,常常淹没在自发脑电之中,除此之外还极易受到其他很多噪声,如眼电（EOG）、肌电（EMG）、心电（ECG）以及其他的自发节律波等的干扰。因此长期以来,如何从强背景干扰的信号中提取出有用的ERP信号是ERP信号处理的重点之一。独立分量分析（Independent Component Analysis,ICA）是近几年发展起来的一种新的多维信号处理方法,它的研究对象是相互独立的非高斯信号。在一定的条件下,ICA能够从观测到的多道同步信号中分离出隐含的独立信号源。本文首先介绍了脑电信号的发展过程和研究方法,其次较为详细的描述了ERP的概念、经典成份、提取ERP的实验模式、方法及提取现状。后半部分,研究了ICA的基本理论及几种算法,并且将FastICA算法成功的应用于ERP的消噪和ERP提取的实验中,且做了以下几方面有特色的工作：（1）首先将实测的60段诱发脑电数据进行连接,通过FastICA算法对其进行独立分量的分解,然后结合脑电的先验知识识别出噪声分量并将其分离,从而对采集的脑电信号进行了消噪。（2）在利用FastICA算法消噪的基础之上,主要对以下两种提取ERP的方法进行了研究和讨论：一种方法是FastICA结合传统的叠加平均技术提取出ERP成份,另一种方法是FastICA利用少次叠加平均技术提取ERP。实验采用的视觉诱发数据来自于天津师范大学心理与行为研究院脑电实验室,同时本文既进行了单一数据的实验又进行了组分析实验。最后将两种方法分别与只用传统叠加平均技术提取出的ERP进行比对。结果表明FastICA算法能有效且快速地提取ERP,实验证明两种基于FastICA的方法都可以达到较好的提取ERP（主要是P300）的效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 脑电信号研究的发展简介
• 1.2 脑电信号分析方法
• 1.2.1 时域分析
• 1.2.2 频域分析
• 1.2.3 时/频域分析
• 1.2.4 主/独立分量分析
• 1.3 本文研究内容及章节组织
• 第二章 事件相关电位
• 2.1 自发脑电与事件相关电位
• 2.2 事件相关电位（ERP）概述
• 2.2.1 ERP的概念
• 2.2.2 ERP经典成份分析
• 2.2.3 ERP的实验方法及模式
• 2.2.4 ERP数据处理现状分析
• 2.3 本章小结
• 第三章 独立分量分析理论（ICA）
• 3.1 引言
• 3.2 ICA的由来和发展
• 3.3 ICA算法的基本原理
• 3.4 ICA的统计分析理论基础
• 3.5 ICA的信息论理论基础
• 3.5.1 负熵判据
• 3.5.2 相互独立性判别准则
• 3.6 基于信息论的ICA算法研究
• 3.6.1 数据的预处理
• 3.6.2 优化算法分析
• 3.7 本章小结
• 第四章 FastICA在事件相关电位消噪中的应用
• 4.1 概述
• 4.2 实验数据
• 4.3 实验方法
• 4.4 基于FastICA方法的ERP消噪
• 4.5 本章小结
• 第五章 FastICA在事件相关电位提取中的应用研究
• 5.1 基于FastICA算法和叠加平均技术的ERP提取
• 5.2 基于FastICA的快速提取ERP（P300）方法
• 5.3 本文的两种方法与传统叠加平均方法的比较
• 5.4 结论
• 第六章 总结与展望
• 参考文献
• 致谢
• 在读期间发表论文情况