| 【中文题名】 | 基于小波和独立分量分析的脑电信号处理 |
| 【英文题名】 | |
| 【学科专业】 | 电路与系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-11-26 |
| 【中关键词】 | 脑电信号,小波变换,独立分量分析,峭度,噪声消除,梯度自适应算法 |
| 【英关键词】 | EEG,Wavelet Transform （WT）,Independent Component Analysis （ICA）,Kurtosis,Artifacts Cancellation,Gradient Adaptive Algorithm., |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>自动信息理论>> |
| 【论文摘要】 |
脑电信号作为一种典型的生物电信号，由放置在头皮的电极获得并被记录，其中包含了大量的脑内神经元活动信息。通过对脑电信号的研究可以使我们更好地了解神经元电活动与人的生理和心理状态之间的关系，这在临床医学和认知科学领域都只有极其重要的意义。
但是我们能够获得的脑电信号一般非常微弱、并伴有很强的背景噪声，是一类典型的非平稳的随机信号，且存在一定的非高斯性和非线性。传统的分析处理方法一般将脑电信号近似认为是线性的准平稳的高斯分布随机信号，这使得分析结果往往不能令人满意、实用性差。本文所作的研究充分考虑到脑电信号自身的特点，利用现代的小波变换和独立分量分析方法从多元统计分析的角度对其进行处理，实验表明这些方法对脑电信号采集过程中的某些常见噪声可以进行有效的抑制或消除，尤其适用于多导脑电信号，并且可以从脑电信号中发掘出一些隐含的特征。
本文在以下几个方面完成了有特色的研究工作：
①对脑电信号中可能存在的各种噪声或伪迹进行了分类，讨论了利用独立分量分析，以及小波变换来消除这些噪声的方法；
②研究了如何将小波变换与独立分量分析相结合来增强或提取脑电信号特征；
... |
| 【论文题纲】 |
|
中文摘要 |
2-4 |
|
目录 |
4-5 |
|
引言 |
5-7 |
|
第1章 脑电信号的获取与分析处理 |
7-15 |
|
1．1 脑电图机的结构原理 |
7-9 |
|
1．2 国际脑电图学会标准电极安装法 |
9 |
|
1．3 脑电图的导联法 |
9-11 |
|
1．4 脑电信号的基本规律 |
11-12 |
|
1．5 脑电信号的分析处理 |
12-15 |
|
第2章 小波变换分析方法 |
15-19 |
|
2．1 小波变换概述 |
15-16 |
|
2．2 小波多分辨率分析 |
16-17 |
|
2．3 基于小波统计分析的消噪方法 |
17-19 |
|
第3章 独立分量分析理论 |
19-41 |
|
3．1 独立分量分析概述 |
19-23 |
|
3．2 相关基础知识 |
23-33 |
|
3．3 ICA算法原理 |
33-41 |
|
第4章 脑电信号的消噪与特征增强 |
41-55 |
|
4．1 单导脑电信号中噪声的消除 |
41-47 |
|
4．2 多导脑电信号的ICA处理 |
47-51 |
|
4．3 基于小波和ICA的脑电特征增强 |
51-55 |
|
第5章 在线ICA算法及其应用 |
55-61 |
|
5．1 自适应滤波原理 |
55-56 |
|
5．2 在线ICA算法 |
56-61 |
|
结束语 |
61-63 |
|
参考文献 |
63-66 |
|
致谢 |
66 |
|
| 【DOI】 | LunWen.ID:2.2008.386587 |
