![点击分享此内容可以赚币 分享](/master/images/share_but.png)
毕业设计-脑电信号预处理方法研究.doc
《毕业设计-脑电信号预处理方法研究.doc》由会员分享,可在线阅读,更多相关《毕业设计-脑电信号预处理方法研究.doc(68页珍藏版)》请在咨信网上搜索。
1、(完整word版)毕业设计-脑电信号预处理方法研究-马孝龙本科毕业设计(论文)脑电信号预处理方法研究马孝龙燕 山 大 学2013 年 6 月本科毕业设计(论文)脑电信号预处理方法研究学 院: 信息科学与工程学院专 业: 通信工程 学生姓名:
2、 马孝龙 学 号: 090104030059 指导教师:
3、 李段 答辩日期: 2013-6-24 燕山大学毕业设计(论文)
4、任务书学院:信息科学与工程学院 系级教学单位:电子与通信工程学号090104030059学生姓名马孝龙专 业班 级通信2班题目题目名称脑电信号预处理方法研究题目性质1.理工类:工程设计 ( );工程技术实验研究型( );理论研究型( );计算机软件型( );综合型( )2.管理类( );3.外语类( );4.艺术类(
5、 )题目类型1.毕业设计( ) 2.论文( )题目来源科研课题( ) 生产实际( )自选题目( ) 主要内容在头皮脑电信号采集过程中,极易受到各种噪声干扰。由于脑电信号的非线性、非平稳、宽频带特性,这些干扰信号往往与有用信号混叠。如何消除原始脑电数据中的噪声,以更好地获取反映大脑活动和状态的有用信息是进行脑电分析的一个重要前提。本课题要求研究脑电信号的预处理方法,设计一种算法去除包括眼电在
6、内的噪声信号,并仿真实现。基本要求1. 熟悉现有的脑电信号预处理方法2. 设计去噪算法3. 算法编程实现参考资料1 V Krishnaveni, Removal of ocular artifacts from EEG using adaptive thresholding of wavelet coefficients, Journal of Neural Engineering, 2006(3):338-3462 Matlab 6.x 信号处理 邹 鲲等编著,清华大学出版社 2002.53 中国期刊网、Elservier文章及其它
7、网上资源周 次第1 4周第57周第811 周第1215 周第1618 周应完成的内容收集资料查找参考书熟悉课题内容及研究现状编程语言熟悉算法的确定与细节理解编程调试算法优化实验结果整理及其总结论文书写课题总结答辩指导教师:李段职称:讲师 2013年3月 4日系级教学单位审批:胡正平 2013 年 3 月 5 日摘要脑电信号(EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映,其中包含了大量的
8、生理和病理信息,并可以用许多特征量来描述其特征信号。通过脑电分析来认识脑的活动是一种有效的无创手段。但是,脑电信号中常常混杂有多种噪声,为了便于阅读和分析脑电信号,必须对脑电信号进行去噪处理。本文针对脑电信号中的眼电伪迹去除的问题,采用了小波阈值法对脑电信号进行去噪处理。以小波阈值降噪为基础,本文采用db5小波对脑电信进行5尺度分解,其次在对应的子带上采用软阈值法,且阈值原则为对数长度阈值法对小波进行阈值去噪,然后对去噪后的信号进行重构,最后比较原始信号和去噪后的信号。实验结果表明,用小波阈值法可以有效去除脑电信号中的眼电干扰。关键词 脑电信号; 小波变换; 去噪IAbstractThe El
9、ectroencephalograph (EEG) is the electro physiological activity of brain cells, it is reflected in the overall pallium or scalp surface, which contains a large number of physiological and pathological information, and can describe the characteristic signal with many features. The EEG analysis to und
10、erstanding brain activity is an effective noninvasive method. However, EEG is often mixed with a variety of noise, in order to facilitate the reading and analysis of EEG signal denoising, must carry on eeg.According to the problem that removing the EEG of ocular artifacts, this article uses the wave
11、let threshold denoising method to remove the eye electrical noise (EOG) interference in the EEG. Based on wavelet threshold denoising, firstly, this article selects the db5 wavelet scale decomposition of EEG of 5. Secondly, it uses soft threshold method in the corresponding subband. Then the soft th
12、reshold and wavelet reconstruction algorithm for denoising, and the threshold principle for the fixed threshold method of wavelet threshold denoising. Then reconstruct the signal after denoising. Finally, comparison of the original signal and the denoised signal. From the result of experiments, we c
13、an see that it is perfectly to remove the eye electrical noise (EOG) by using the wavelet threshold.KeywordsEEG; Wavelet transform; noise rejectionII目 录摘要IAbstractII第1章 绪论11.1 课题背景11.2 国内外研究现状与成果21.3本文研究内容与结构安排4第2章 小波变换在信号处理中的应用52.1 小波变换5 2.1.1 连续小波变换5 2.1.2 离散小波变换7 2.1.3 二进小波变换8 &
14、nbsp;2.1.4 常用小波92.2 小波去噪12 2.2.1 尺度间相关性的去噪方法13 2.2.2 阈值去噪法142.3 MATLAB小波在信号去噪中的应用16 2.3.1 信号分解17 2.3.2 信号重构18 2.3.3 信号阈值去噪202.4 本章小结21第3章 眼电噪声去除方法研究243.1 脑电信号与眼电干扰简介243.2 小波阈值去噪原理263.3 参数选择273.3.1小波基的选择273.3.2 小波分解层数的选择283.4 实验结果仿真与分析283.5 本章小结33结论34参考
15、文献37致谢39附录140附录245附录350附录455IV第1章 绪论1.1 课题背景大脑是一个非线性、非平稳的,且由大量神经元群相互连接形成的复杂动力学系统,人们获取大脑信息的手段基本上分为三种:通过脑结构的解剖图像获得静态的信息,例如广泛使用的电子计算机X射线断层扫描技术和磁共振成像;通过功能活动时的代谢活动图像而获得动态的信息,例如功能磁共振成像技术和正电子发射断层扫描;通过大脑对信息处理的反应而获得脑的动态信息,这类手段有局部场电位,脑电图和脑磁图。其中,EEG 是大脑组织中大量的神经元群突触后电流的在大脑皮层或头皮表面的综合表现,EEG 具有简易、无创、高时间分辨率等优点,脑电信号
16、处理可以获取大量的功能与疾病信息,例如通过EEG检查,可以对癫痫、脑肿瘤、颅脑损伤、中枢神经系统疾病,以及精神疾病和智能障碍等疾病提供信息,从而对脑功能分析及疾病诊断、预后和治疗提供有效的方法;也可利用人对不同的感觉、运动或认知活动的脑电的不同,通过对脑电信号的有效的提取和分类达到某种控制目的。大脑皮层是大脑信息处理的中枢,约由个神经元组成,典型的神经元由细胞体、树突和轴突三部分组成,当神经元接受的其它神经元发来的信号的和超过阈值时,神经元就会发出神经脉冲,称作动作电位,神经元的轴突终末与其它神经元的接受表面形成各种突触,实现神经元间的信息交换,一个典型的神经元可能有1000-10000个突触
17、,能接受来自1000个其它神经元的信息,突触后电位在其产生部位的附近按空间总和规律叠加起来,脑电信号就是由皮层内大量神经元突触后电位(包括兴奋性突触后电位和抑制性突触后电位两种)总和所形成的,是许多神经元共同活动的结果。随着信息科学的不断深入,脑科学的研究取得了新的进展。能够很好反应脑信息的脑电(electroencephalogram, EEG)是大脑神经元突触后电位的综合结果,是大脑活动产生电场经容积导体传导后在脑皮上的电位分布。现代的脑科学研究表明,多导的脑电信号蕴含着多种生理现象且能反映更多的动态信息。多导脑电信号就是从头皮上按照一定标准放置的多个电极处同步采集的电信号。因为脑电是通过
18、安放在脑皮层不同位置的电极测量得到的,而电极之间的距离只有几厘米,所以这些电极不仅记录了脑内神经元电活动,同时也记录了各种干扰信号,如工频干扰、眨眼、眼球运动、心电干扰、呼吸波干扰和肌电干扰等等1,2。因此,为了得到真实的脑电数据,使之能够在临床上合理正确地做出判断,就必须对脑电测量数据进行预处理。1.2 国内外研究现状与成果 眼电信号是脑电信号的主要干扰源,它们能够改变脑电信号的电场分靠使获得的脑电信号不能真实的反映大脑的活动。眼电伪迹去除的基本原则是在保证脑电信号完整的前提下尽可能的去除眼电伪迹。这个基本原则是评价各种眼电伪迹去除方法的重要依据。目前,常用脑电信号去噪方法有独立分量分析(I
19、CA)的脑电信号去噪方法,有主成分分析算法的脑电信号去噪方法,基于自适应滤波的脑电信号去噪方法,基于陷波器的脑电信号去噪方法,基于小波变换的脑电信号降噪方法等多种方法。 (1) 基于独立分量分析(ICA)的脑电信号去噪方法3,4 工频噪声、心电伪迹以及脑电波源信号之间的关系是统计独立的,满足ICA方法的分离条件,可将脑电信号去噪问题转化为独立分量分离问题,通过构造与工频噪声频率相同的正交正弦和余弦信号作为对工频噪声的参考信号,将构造的两个参考信号和心电信号以及含噪脑电信号作为ICA中混合矩阵的输入信号,采用收敛速度快的Fast ICA算法把脑电信号中的工频噪声和心电伪迹作为独立信号
20、分离出去,得到去噪后的脑电信号。结果通过ICA方法对噪声进行分离后,脑电信号中的两种噪声基本被消除,并且可很好的保留脑电信号有用成分。(2) 基于主成分分析的脑电信号去噪方法 此算法去除眼电伪迹的基本思想是:假设脑电信号与眼电信号彼此正交,将原始数据投影到彼此正交的特征空间,从而实现原始信号的特征分离,识别并去除眼电伪迹,逆向投影恢复原始数据。(3) 基于陷波器的脑电信号去噪方法5,6 杨帮华等人共同提出基于陷波器和小波变换去除自发脑电信号噪声的方法。该方法是针对自发脑电信号的特点构造了一种零通小波,根据变换尺度参数与频率的对应关系,有选择地某些感兴趣的尺度信号以去除噪
21、声。这种方法可以很好地去除工频干扰外的噪声信号,因此,进行小波去噪后,再结合陷波滤波器去除50Hz的工频干扰,这两种方法结合可以有效地去除干扰。(4) 基于自适应滤波的脑电信号去噪方法 早在20世纪40年代,就对平稳随机信号建立了维纳滤波理论。根据有用信号和干扰噪声的统计特性,以线性最小均方误差估计准则所涉及的最佳滤波器,成为维纳滤波器。这种滤波器能最大限度的滤除干扰噪声,提取有用信号,然而,对随机非平稳的信号,它的实际应用受到了限制。1967年WdrowB.等提出了自适应滤波理论,可使自适应滤波系统的参数自动的调整而达到最佳状况,而且在设计时,只需要很少的或根本不需要任何关于信号
22、与噪声的先验统计知识,这种滤波器的实现差不多像维纳滤波器那样简单,而滤波性能几乎如卡尔曼滤波器一样好。考虑到脑电信号源的随机非平稳性,用自适应滤波方法去除脑电噪声很合适。到目前为止已有很多自适应滤波对脑电数据处理的研究成果,其中李翠芳等人共同提出基于小波分析的EEG信号自适应去噪的应用7。根据短时动态信号与平稳背景噪声的特征区别,对输入信号进行白化预处理,以时间序列的AR模型理论为依据,导出背景噪声白化滤波器的结构。将小波变换与自适应滤波器相结合,对经白化处理后的信号进行自适应去噪。(5) 基于小波变换的脑电信号降噪方法8,9 近年来,随着电子技术的迅猛发展,信息获取的手段、进度
23、、速度都有很大的提高。特别是非平稳信号分析理论上的一系列重大进展为非平稳信号提出了新的处理与分析手段。小波分析理论则是这一系列重大进展中的一个。它不仅继承和发展了窗口傅里叶变换的局部化思想,而且克服了窗口大小不随频率变化, 缺乏离散正交基的缺点。小波变换在时间和频率上都有很好的局部性,在分析低频信号时,其时间窗很大,而在分析高频信号时,时间窗很小,这使得小波变换非常适合于时频分析。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近观察信号的慢变成分(整体变化趋势)。借助时频局部分析性,小波分析理论已经成为信息去噪处理的一个
24、重要工具。 目前,小波分析消噪的方法2,5大概可以分为三大类:第一类方法是对含噪信号做小波变换之后,计算相邻尺度间小波系数的相关性,根据相关性的大小区别小波系数的类型,从而进行取舍,然后直接重构信号;第二类方法是基于小波变换模极大值原理,最初由Mallat提出,即根据信号和噪声在小波变换各尺度上的不同传播特性,剔除由噪声产生的模极大值点,保留信号所对应的模极大值点,然后利用余下的模极大值点重构小波系数,进而恢复信号;第三类方法是Donoh提出的阈值方法。该方法认为信号对应的小波系数包含有信号的重要信息,幅值较大,但数目较少;噪声对应的小波系数则是均匀分布的,个数较多,但幅值较小。基于此思想,把
25、绝对值较小的系数置零,而让绝对值较大的系数保留或者收缩(分别对应于硬闽值法和软阈值法),得到估计小波系数。此方法在Besov空间上可以得到最佳估计值,所以成为目前应用最为广泛的小波去噪方法之一。小波分析属于时频分析的一种,是从傅里叶分析中发展而来的,但是又优于傅里叶分析。而作为傅里叶分析思想发展的小波分析方法是一种窗口大小,即窗口面积固定、但窗口的形状可变、时间窗和频率窗都可改变的时频局部化分析方法,即在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率,很适于探测正常信号中夹带的瞬态反常现象并展示其成分,在时频域都有表征信号局部特征的能力,具有多
26、分辨分析的特点。1.3本文研究内容与结构安排本文首先介绍了脑电信号的背景知识,然后介绍了小波理论并利用阈值法滤除脑电信号中的眼电干扰,通过编程成功完成信号分解、去噪、重构等内容。论文第1章为绪论,介绍了脑电信号的特点、性质、分类,小波变换的由来,以及本课题研究的主要内容和意义;第2章就小波变换在信号处理方面的知识加以介绍,为课题后续研究打下基础。第3章分析了已有方法,比较优劣,并提出了基于小波变换的脑电信号预处理研究方法,以及对脑电信号中夹杂的眼电信号的阈值法去噪。30第2章 小波变换在信号处理中的应用小波变换的概念是1984年法国地球物理学家J. Morlet在分析处理地球物理勘探资料时提出
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 毕业设计 电信号 预处理 方法 研究 马孝龙
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【天****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【天****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。