一种脑电噪声检测与去除模型及其在睁闭眼检测系统中的应用

论文摘要

随着脑电信号应用的飞速发展,脑电信号的噪声去除成为一个令人期待又具有挑战的研究领域。脑电信号中的噪声会影响脑电信号的分析以及特征提取,甚至会导致脑电信号分析中产生错误的结论,因为有时产生的噪声幅度会大到足够淹没脑电信号或者从频域上与脑电信号重叠。虽然很多已有的工作已经在这个方向有所突破,但是,目前研究大多专注于噪声去除算法,少有研究利用噪声检测和噪声去除相结合的方法来去除脑电信号的噪声并且设计出具有实际应用价值的睁闭眼检测系统。本文针对对脑电信号影响较大的三种噪声：眼电、肌电以及工频噪声,采取了将噪声检测与去除相结合的方法来去除这三类噪声,提出了一种噪声检测与去除应遵循的顺序和检测报警的一组适当阈值,并且采用根据不同程度噪声报警阈值确定不同的噪声去除阈值的方法,极大的提高了脑电噪声去除的运行效率。并且本文针对单导脑电信号提出了一种实用高效的去除眼电的方法,从而为睁闭眼检测系统提供了良好的脑电数据。在睁闭眼检测的应用中,通过20名受试者的100例样本数据进行实验分析,验证了alpha节律的个体差异性和短期平稳性,确定了睁闭眼的alpha指数的变化阈值范围并将之应用于检测受试者的睁闭眼系统当中去。此外,我们还讨论了在外界有声音的条件下,alpha节律的幅值以及睁闭眼的阈值并不会受到影响。实验结果表明,相比于传统的噪声检测与去除手段,本文所提出的方法在系统的应用中大大降低了时间复杂度,使睁闭眼检测系统更加具有准确性,可行性和有效性。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 脑电信号中的噪声
• 1.2.1 脑电信号噪声分类
• 1.2.2 噪声检测和噪声去除的研究现状
• 1.3 睁闭眼检测系统的研究现状及对噪声检测与去除的要求
• 1.4 本文的主要工作
• 第二章 脑电噪声检测与去除的模型原理及设计
• 2.1 脑电噪声检测与去除模型概述
• 2.2 脑电噪声检测与去除的模型设计
• 2.3 脑电噪声检测与去除的模型的有效性
• 第三章 脑电噪声检测与去除算法及应用
• 3.1 脑电噪声检测与去除算法基础
• 3.1.1 小波变换基本理论及应用
• 3.1.2 独立分量分析基本理论及应用
• 3.2 脑电噪声检测的算法
• 3.2.1 眼电噪声检测算法
• 3.2.2 工频噪声检测算法
• 3.2.3 肌电噪声检测算法
• 3.3 脑电噪声去除算法
• 3.3.1 眼电噪声去除算法
• 3.3.2 工频噪声以及肌电噪声去除算法
• 第四章 睁闭眼检测系统
• 4.1 噪声检测与去除模型在睁闭眼检测系统中的应用
• 4.2 睁闭眼检测系统思路
• 4.3 睁闭眼检测的验证性实验
• 4.3.1 alpha节律的个体差异性
• 4.3.2 alpha节律的短期时间平稳性
• 4.3.3 alpha节律的门限阈值
• 4.4 睁闭眼检测实验结果及性能评估
• 第五章 总结与展望
• 参考文献
• 在学期间的研究成果
• 致谢