小波分析理论在脑电分析中的应用

小波变换是一种把时间、频率（或尺度）两域结合起来的分析方法。它具有：（１）多分辨率；（２）相对带宽恒定；（３）适当地选择基本小波，可使小波在时、频两域都具有表征信号局部特征的能力的特点，被誉为“分析信号的显微镜”。本系统以Ｗｉｎｄｏｗｓ为操作系统平台，将小波变换用于脑电信号分析，实现病历管理，１００Ｈｚ脑电信号采样，１０分钟脑电数据存储等功能，是一个在Ｗｉｎｄｏｗｓ３．１下开发的脑电分析系统。从脑电信号小波变换后的波形可以看出，各尺度信号不仅反映信号的频率信息，同时也反映信号的时间信息，意即反映此时ＥＥＧ的状态。而传统的傅里叶分析只能获得信号的整体频谱，不能反映时域信息     

基于小波包分解的不同状态下脑电信号分析

本文针对脑电信号的非平稳性,引入小波包分解理论处理临床脑电.根据脑电信号的不同节律特性,提出应用小波包分解构造不同频率特性的时变滤波器,提取脑电信号不同节律的动态特性,并由此构造各种节律的动态脑电地形图.为了研究不同脑功能状态下脑电信号各种节律的动态特性,文中对两组不同的临床脑电数据进行分析,比较两种状态下各种节律的动态特性.实验结果表明,利用小波包分解对脑电信号进行滤波,能够有效提取临床脑电不同节律的动态特性,为分析脑电信号提供一条新的途径.     

用于控制短消息发送的实时脑机接口系统

目的：设计一种基于视觉诱发电位的实时脑机接口,用于控制短消息发送。方法：实时脑机接口系统由视觉刺激器、脑电采集电路、FPGA开发板、通讯模块组成。脑机接口界面包括短消息发送的目标选项和内容选项界面,受试者每次实验注视刺激界面中的一个模块,通过检测视觉诱发脑电来确定受试者做出的选择。利用基于FPGA的VGA视觉刺激器为受试者提供视觉刺激,采集脑电信号并在FPGA平台上对其进行在线的实时分析处理。选用小波分解提取视觉诱发电位特征向量,输入BP神经网络进行模式识别,产生脑机接口控制信号,其中,小波分解和BP神经网络两部分由NIOS II实现。脑机接口控制命令用于控制TC35无线模块发送短消息。结果：通过对五名受试者做实验,识别准确率最高可以达到100%,脑机接口系统能有效控制短消息的发送。采用小波滤波、BP神经网络识别的算法优于时域波形匹配识别法。结论：实验表明本文提出的实现脑机接口短消息发送系统的方法具有可行性。     

基于能量特征的脑电信号上肢运动意图智能识别

传统的对运动员上肢运动意图识别方法,没有对采集获得的大量脑电信号进行平滑滤波,存在较多毛刺干扰,导致识别准确率和识别率不高。我们提出一种基于能量特征的脑电信号上肢运动意图智能识别方法,采用快速傅里叶变换方法对采集获得的运动障碍患者脑电信号进行频率分析,获得患者脑电信号中的μ波和β波频率分布规律,找到脑电信号噪声所在频段;并采用Daubechies小波将患者脑电信号进行3阶分解,将患者脑电信号中低频部分的小波系数进行归零处理后,再进行脑电信号重构,即可消除低频脑电信号中的噪声干扰;在此基础上,采用小波包系数分析患者脑电能量,实现患者脑电信号能量特征提取;基于脑电信号能量特征,采用马氏距离判别方法对上肢运动意图进行智能识别。实验结果显示,所提方法能够去除原始脑电信号中的"毛刺"干扰,平均识别率结果为88. 6%,识别准确率和识别率较高。     

脑电信号处理方法

脑电信号是人体的一种基本生理信号,具有重要的临床诊断和治疗价值.由于脑电信号的自身非平稳性随机特点,使得对它的研究成为一项具有相当难度的课题.本文总结了脑电信号的时频、神经网络等处理方法.着重论述Wigner分布、小波分析、神经网络、非线性动力学,以及独立分量在脑电信号处理中的应用.     

基于小波变换并结合神经网络的癫痫发作预报

采用信号处理的方法分析脑电图以实现自动预报癫痫发作是该领域一个难题，至今进展不够显著。本研究将小波变换用于脑电信号的预处理，并与递归神经网络RNN相结合预测癫痫发作。通过比较三种不同的预处理方法，发现在小波变换域利用脑电信号α节律的能量谱可以实现发作预报，而进一步提取包络并作非线性变换可以有效地提高RNN的预报性能。     

中国儿童气质问题测查系统的研制与应用

中国儿童气质问题测查系统（Ｃｈｉｎｅｓｅ Ｃｈｉｌｄｒｅｎ’ｓ Ｔｅｍｐｅｒａｍｅｎｔ Ｓｃｒｅｎｎｉｎｇ Ｓｙｓｔｅｍ，以下简称ＣＣＴＳｓ）是以中国１３岁以下儿童为群体，以４～８月、１～３岁、３～７岁和８～１２岁年龄段儿童为测查对象的系列化测查软件，具有对个例儿童气质测查、对群体样本分析的功能。依据中国４～８月、１～３岁、３～７岁和８～１２岁婴幼儿童气质量表常模、气质分型标准，在Ｗｉｎｄｏｗｓ’     

小波变换及脑电信号综合分析系统的研究

本文介绍了小波变换、脑电信号的特点和分析方法，以及脑电信号综合分析系统的硬件结构，并阐述了系统软件的设计和实现方法。该系统的软件具有良好的兼容性、可靠性和实时性，功能齐全，可用于脑电信号的分析、监护和反馈研究。     

脑电在线分析系统的研究及小波变换的应用

在对小波变换及时频特性研究的基础上,对脑电信号进行时频分析,给出EEG小波变换的结果,实现EEG在不同频率尺度的分解和重构,针对脑电信号的特点和分析方法,设计了脑电在线分析系统,阐述了系统软硬件结构设计和实现方法,该系统具有良好的实时性,功能齐全,可用于脑电的分析,监护和反馈研究。     

小波熵在脑电信号分析中的应用

小波熵是一个衡量非线性信号多尺度动力学行为有序、无序程度的量化指标,其可提供信号非线性动力学过程复杂程度的信息.近年来,小波熵在脑电信号中的研究日益受到关注,国内外学者用小波熵研究脑电信号、诱发电位、事件相关电位等的复杂程度,进一步揭示了大脑电活动的动力学机制.其主要应用于大脑感知、认知活动的研究,癫痫脑电信号的动态观测,睡眠、网络成瘾、头外伤后脑神经的康复等几个方面.小波熵不仅可以显示受到刺激后脑电信号频率上同步化的动态演变过程,而且可以有效区分癫痫发作前状态和癫痫发作状态,从而加深了对脑动力学机制的理解,成为认知功能研究的一种新的方法,显示了在脑电信号分析中良好的应用前景.     

金卫“军字一号”工程输血管理分系统应用体会

金卫“军字一号”工程输血管理分系统（高级版）是为军地医院血库管理而开发的应用软件,用于管理与输血相关的信息。我院于１９９９年９月开始使用,运行情况较好。现介绍给大家,相信会给即将投入使用的单位以一定帮助。１　系统环境１．１　硬件环境　系统采用服务器、客户端工作模式。服务器为惠普ＰⅢ４５０机,１２８Ｍ内存,９Ｇ×３块硬盘;工作站为金长城ＰⅡ２６６机,１６Ｍ内存,４．３Ｇ硬盘;打印机ＥＰＳＯＮ８５０彩喷、ＯＫｉ针打各１台。１．２　软件环境　服务器应用ＷｉｎｄｏｗｓＮＴ４．０操作系统,Ｏｒａｃｌｅ７．…     

基于功率谱峰值及时变线性分类算法的运动意识分类

背景:脑电信号的特征提取是脑机接口系统中一个重要的环节,如何快速有效地提取反映大脑意识任务状态的脑电特征是进行分类、正确解读意识任务的关键。目前,提取脑电信号特征通常采用功率谱密度估计、自回归模型和小波变换等方法,这些特征都是以脑电信号的线性化为前提,上述方法不能很好地反映出大脑的非线性动力学性质。目的:分析脑电信号功率谱峰值在识别左右手想象运动中的作用。方法:采用脑机接口2003竞赛中Graz科技大学提供的脑电数据,用小波包分解获取8～24Hz脑电信号,计算C3,C4电极脑电信号的功率谱峰值作为脑电特征向量,运用时变线性分类算法对运动意识任务运行分类。结果与结论:对140次实验的测试样本进行数据分析,最大分类正确率可达89.29%,最大互信息和信噪比分别为0.6269bit和1.3848。C3,C4电极8～24Hz脑电信号功率谱峰值能很好地反映左右手运动想象脑电特征的变化,与事件相关去同步/事件相关同步现象变化一致,可在线识别左右手想象运动。     

基于脑电样本熵和小波熵的麻醉深度监测

目的:通过研究全麻手术病人的脑电信号特征,从分类准确率、算法难易程度、计算时间等方面讨论样本熵和小波熵算法在麻醉深度监测中的应用。方法:基于脑电信号的非线性和不稳定性,采用两种非线性动力学分析方法(样本熵和小波熵)对30例全麻手术病人的脑电信号进行特征提取,并对每位病人清醒状态、轻度麻醉状态和中度麻醉状态下的脑电信号的样本熵和小波熵进行差异分析。结果:不同麻醉状态下的脑电信号的样本熵和小波熵均有明显差异。相同脑电信号的样本熵的变化阈值较小波熵的变化阈值大。结论:样本熵和小波熵算法均可以作为麻醉深度监测的有效指标。从分类准确率、算法难易程度和计算时间等方面考虑,使用样本熵算法的效果优于小波熵算法。     

运动想象脑电信号算法研究进展

对脑电信号的研究,不仅可以提高人们对大脑的认知程度,还能够建立大脑与外界沟通的新途径。本文从运动想象脑电信号的特点出发,首先概述了近年来运动想象脑电信号分析与处理算法的发展状况,及脑电信号的特点;然后,着重分析了近年来常用的运动想象脑电信号特征提取与识别方法相关处理算法的优势、不足及其适用条件,包括功率谱分析法、小波分析法、样本熵法和共同空间模式法,以及线性判别、支持向量机等4种分类器;最后,总结了目前运动想象脑电信号处理算法发展中存在的识别种类单一,识别率不高,自适性不足等问题,探讨了运动想象脑电信号进一步研究的思路。     

多类运动想象脑电信号的处理研究

基于运动想象的脑-机接口具有不依赖外界刺激器的特点,但如何根据不同受试者自适应地提取出最佳特征是目前的难点之一.本文设计了基于LabVIEW平台的运动想象脑电信号采集系统,对五名受试者想象左手、右手和脚运动时的脑电信号进行采集;利用小波包分解提取μ节律和β频段,实现脑电信号的滤波;通过分析不同受试者的小波包节点的ERD/ERS比率,自适应地选出最佳特征时间和频段;组合最佳特征时间、频段的小波包能量和小波包熵作为特征向量,利用马氏距离分类判别.实验结果证明:利用ERD/ERS比率、小波包分解和马氏距离分类,算法简单快捷,平均正确率可以达到84.3％,较好的实现了三类运动想象分类,提高了系统的自适应性.     

脑电信号的小波特征提取及半监督识别方法的研究

特征提取和特征分类是脑机接口中模式识别过程中两个关键的环节。首先,针对脑电信号的非平稳特性,提出基于小波变换系数、系数均值及小波熵相结合的特征提取方法,该方法在特征中加入了脑电信号的能量信息。实验证明,通过该方法获取的P300信号特征量能够更好地表达脑电信号中的瞬变成分,进一步提高了识别率;其次,在模式识别方面,改进了基于自训练半监督的支持向量机算法和基于自训练半监督的K均值聚类算法。在BCI2003竞赛数据集上的实验表明,相比于传统的BP神经网络,两种改进的分类算法在获得了更高的识别率的同时,能够将特征量维数降低一个数量级,明显提高了训练收敛速度,有效增加了基于脑电信号的实时BCI系统的可实现性。     

使用多选自回归(AR)模型为带有思维任务的脑电信号分类

本文探讨了使用比例和多选自回归（ＡＲ）模型来提取人类脑电信号特征从而区分不同的大脑思维任务信息。这是探索能否让瘫痪病人实现用大脑思维信息来对象诸如轮椅等装置进行有效控制这一大工程的一个重要组成部分。研究中记录了３个受试者在执行两种大脑思维任务时的脑电信号。选取窗口长度为１／４ｓ的六通道脑电图信号被变换为４个不同的代表形式：（１）比例自回归（ＡＲ）模型参数;（２）多选ＡＲ模型参数;（３）一个相关距阵的特征根;（４）多选ＡＲ模型系数的ＫａｒｈｕｎｅｎＬｏｅｖｅ变换。选好代表形式（表征体）后,再用一…     

七氟醚麻醉的脑电影响

七氟醚是近年来应用临床的新型麻醉剂,麻醉监测非常重要,定量脑电图ｑＥＥＧ是近年来临床应用较理想的麻醉深度监测仪器,脑电信号通过计算机分析,提供直观的量化指标,现将七氟醚麻醉的脑电监测作一综述。１　七氟醚麻醉的ＥＥＧ一般监测Ｔｓｕｓｈｉｍａ等〔１〕报道,分别给３０只猫（每组１０只）七氟醚、异氟醚、氟烷麻醉。结果在相同ＭＡＣ下,七氟醚和异氟醚的脑电抑制较氟烷大（Ｐ＜０．０５）,七氟醚对外周神经刺激反应抑制较弱。ＫｕｒａｔａＪ等〔２〕报道,给猫七氟醚、氨氟醚、异氟醚麻醉３～４ｈ后,连续观察５～７ｄＥＥ…     

基于自回归小波包熵特征融合算法的情感识别研究

针对提高情感识别正确率这一国际开放问题,本文提出了一种基于小波包熵和自回归模型相结合的脑电信号特征提取算法。自回归过程能最大程度逼近脑电信号,用很少的自回归参数提供丰富的谱信息。小波包熵反映脑电信号在各个频带中的谱能量分布情况。将二者结合,能够更好地体现脑电信号的能量特征。本文基于核主成分分析方法,实现了脑电信号特征提取融合。课题组采用情感脑电国际标准数据集(DEAP),选取6类情感状态以本文算法进行情感识别。结果显示,本文算法情感识别正确率均在90%以上,最高情感识别正确率可达99.33%。本文的研究结果表明,该算法能够较好地提取脑电信号情感特征,是一种有效的情感特征提取算法。     

利用排列小波熵评价脑电信号中的爆发抑制水平

为了评价脑电信号的爆发抑制水平，本文从非线性动力学的角度出发，通过计算脑电信号的排列熵，再计算排列熵的小波熵，得到一种新的参数排列小波熵（PEWE）于量化脑电信号的爆发抑制水平。结果表明，在4例数据的测试中，PEWE与双谱指数模块输出的爆发抑制比指数的相关系数达0.942 5，因此，PEWE可以作为一种新参数来量化EEG信号的爆发抑制水平，为评价EEG信号的爆发抑制水平提供了新思路。 【关键词】脑电信号；爆发抑制水平；排列熵；小波熵