（交通信息工程及控制专业论文）独立分量分析在脑电信号处理中的应用.pdf

摘要 随着全球脑研究的持续升温，有关脑科学的各种方法逐渐成为自然科学领域的热门 话题。从人的头皮采集到的脑电作为大脑信息处理过程中所发生的电生理活动的一个直 观而无损的反映，因其独特的属性( 无创、高时间分辨率等) 而日益成为相关研究中必 不可少的研究手段，为脑科学的深入发展提供重要的技术支持。 理论上一般认为脑电信号中的干扰( 工频干扰、心电伪迹、眼动伪迹等) 和特定刺 激下产生的诱发电位都是来自于不同源的信号，可以认为在时间上是相互统计独立的。 各源发出的信号在大脑组织内几乎是线性瞬时混合的，迭加延时效应和卷积效应可以被 忽略。各种伪迹和脑电信号通常又都服从非高斯分布。同时我们假设观测脑电信号的导 联数等于信号源的个数。 针对传统的伪迹减法会不可避免地去除某些脑电信号成分，叠加平均法不能反映诱 发电位逐次变化的缺陷，本文利用独立分量分析从一个全新的角度来解决脑电信号的伪 迹去除和特征提取问题。从分解出的独立分量中，结合其空间分布模式找出反映伪迹和 诱发电位的分量。在伪迹去除中，我们将反映伪迹的独立分量置零，其他分量通过左乘 解混矩阵的逆矩阵返回原始脑电信号，达到去除伪迹的目的。在诱发电位的提取中，我 们仅将反映诱发电位的独立分量通过左乘解混矩阵的逆矩返回原始脑电信号，达到提取 诱发电位的目的。 最后我们通过真实脑电信号的仿真实验研究上述方法在伪迹去除和诱发电位提取 中的有效性。结果表明，本方法能够有效地去除脑电信号中的各种伪迹，而没有破坏其 他脑电信号成分。单次提取出的两类诱发电位符合诱发响应的生理学意义。 关键词：独立分量分析，脑电信号，伪迹去除，诱发电位提取 a b s t r a c t w i t ht h eg l o b a lb r a i nr e s e a r c hc o n t i n u o u sw a r m i n g ，t h ev a r i o u sm e t h o d so fb r a i ns c i e n c e h a v eg r a d u a l l yb e c o m eah o tt o p i ci nt h en a t u r a ls c i e n c ed o m a i n e e gc o l l e c t e df r o mt h e h u m a ns c a l pa sa ni n t u i t i o n i s t i ca n dn o n d e s t r u c t i v er e f l e c t i o no ft h ee l e c t r o p h y s i o l o g i c a l a c t i v i t yo c c u r r i n gi n t h ec o u r s eo fb r a i ni n f o r m a t i o np r o c e s s i n g ，f o ri t su n i q u ea t t r i b u t e s ( n o n i n v a s i v e ，h i g ht i m er e s o l u t i o n ，e t c ) ，i si n c r e a s i n g l yb e c o m i n ga ne s s e n t i a lr e s e a r c ht o o l o fr e l a t e dr e s e a r c ha n dp r o v i d e si m p o r t a n tt e c h n i c a ls u p p o r tf o ri n - d e p t hd e v e l o p m e n to f b r a i ns c i e n c e i nt h ee e g s i g n a l s ，t h e o r yi sg e n e r a l l yb e l i e v e dt h a ti n t e r f e r e n c e ( p o w e rf r e q u e n c y ，e c g a r t i f a c t ，e y em o v e m e n ta r t i f a c t ，e t c ) a n de v o k e dp o t e n t i a l sa r i s i n gf r o mas p e c i f i cs t i m u l a t i o n a r es i g n a l sf r o md i f f e r e n ts o u r c e s ，c a nb ec o n s i d e r e dm u t u a ls t a t i s t i c a li n d e p e n d e n c ei nt e r m s o ft i m e s i g n a l sf r o md i f f e r e n ts o u r c e si nt h eb r a i nt i s s u ea r ea l m o s ti n s t a n t a n e o u sl i n e a r m i x t u r e ，s u p e r p o s i t i o nd e l a ye f f e c ta n dc o n v o l u t i o ne f f e c tc a nb ei g n o r e d v a r i o u sa r t i f a c t sa n d e e g s i g n a l sa r eu s u a l l ys u b j e c tt on o n g a u s s i a nd i s t r i b u t i o n a tt h es a m et i m e ，w ea s s u m e t h a tt h en u m b e ro fe e g s i g n a l so b s e r v a t i o nc h a n n e l si se q u a lt ot h en u m b e ro fs o u r c e s f o rt h ed e f e c t st h a tt r a d i t i o n a la r t i f a c ts u b t r a c t i o nm e t h o dw i l li n e v i t a b l yr e m o v es o m e c o m p o n e n t so fe e gs i g n a l sa n ds u p e r p o s e da v e r a g em e t h o dd o e sn o tr e f l e c tt h es u c c e s s i v e c h a n g e so fe v o k e dp o t e n t i a l s ，t h i sd i s s e r t a t i o nu s e si n d e p e n d e n tc o m p o n e n ta n a l y s i st os o l v e t h ep r o b l e mo fa r t i f a c t sr e m o v a la n df e a t u r ee x t r a c t i o ni ne e gs i g n a l sf r o man e w p e r s p e c t i v e f r o mt h ei n d e p e n d e n tc o m p o n e n t so ft h ed e c o m p o s i t i o n ，w ec o m b i n a t ei t ss p a t i a ld i s t r i b u t i o n p a t t e mt oi d e n t i f yw h i c hc o m p o n e n t sr e f l e c ta r t i f a c t so re v o k e dp o t e n t i a l s i nt h ea r t i f a c t s r e m o v a l ，w ew i l lt r a c kt h ei n d e p e n d e n tc o m p o n e n t sw h i c hr e f l e c ta r t i f a c t st oz e r oa n dr e t u r n o t h e rc o m p o n e n t st ot h eo r i g i n a le e gs i g n a l sb ym u l t i p l i n gt h ei n v e r s em a t r i xo fm i x i n g m a t r i xa tt h el e f tt oa c h i e v et h ep u r p o s eo fa r t i f a c t sr e m o v a l i nt h ee x t r a c t i o no fe v o k e d p o t e n t i a l s ，w eo n l yr e t u r nt h ei n d e p e n d e n tc o m p o n e n t sw h i c hr e f l e c te v o k e dp o t e n t i a l st ot h e o r i g i n a le e gs i g n a l sb ym u l t i p l i n gt h ei n v e r s em a t r i xo fm i x i n gm a t r i xa tt h el e f tt oa c h i e v e t h ep u r p o s eo fe x t r a c t i o n f i n a l l y , w es t u d yt h ee f f e c t i v e n e s so ft h i sm e t h o du s e di nt h ea r t i f a c t sr e m o v a la n d e x t r a c t i o no fe v o k e dp o t e n t i a l st h r o u g ht h es i m u l a t i o nt e s to fr e a le e gs i g n a l s t h er e s u l t s s h o wt h a tt h i sm e t h o dc a ne f f e c t i v e l yr e m o v eaw i d ev a r i e t yo fe e ga r t i f a c t s ，a n dt h e r ei sn o d a m a g et oo t h e rc o m p o n e n t so fe e gs i g n a l s t w ot y p e so fe v o k e dp o t e n t i a l se x t r a c t e da to n e t r i a li nl i n ew i t ht h ep h y s i o l o g i c a ls i g n i f i c a n c eo fe v o k e dr e s p o n s e k e yw o r d s ：i n d e p e n d e n tc o m p o n e n ta n a l y s i s ( i c a ) ；e e gs i g n a l s ；a r t i f a c t sr e m o v a l ； e x t r a c t i o no fe v o k e dp o t e n t i a l s 论文独创性声明 本人声明：本人所呈交的学位论文是在导师的指导下，独立进行 研究工作所取得的成果。除论文中已经注明引用的内容外，对论文的 研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本论 文中不包含任何未加明确注明的其它个人或集体已经公开发表的成 果。 本声明的法律责任由本人承担。 论文作者签名： 昊坚 。7 年歹月马日 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归 属学校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请 专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的 学术论文或成果时，署名单位仍然为长安大学。 ( 保密的论文在解密后应遵守此规定) 论文作者签名：昊i 墼d 7 年箩月多日 刷帷名嘶 哆年产月哆日 长安大学硕士学位论文 1 1 论文的研究背景和意义 第一章绪论弟一早三百t 匕 人类在科学研究的征途中，从来没有停止过对自身的研究。 2 1 世纪被世界科学界公认为是生物科学和脑科学的时代。在全球性脑研究计划的推 动下，对人脑语言、记忆、思维、学习和注意等高级认知功能进行多学科、多层次的综 合研究已经成为当代科学发展的主流方向之一。我国在2 0 0 1 年初由中国科学院和新华 通讯社联合组织的预测小组预测了“新世纪将对人类产生重大影响的十大科技趋势”， 其中第四大趋势就是认知神经科学( c o g n i t i v en e u r o s c i e n c e ) 领域揭示人脑奥秘， 探索意识和思维活动的本质。相关领域的专家们认为，本世纪人类将在脑科学和认知神 经科学研究中的几个重大问题上取得突破性进展。脑科学的研究热潮吸引着众多学科的 研究者们去探索和发现，而利用和借助信号与信息处理技术来深入研究脑电信号 ( e l e c t r o e n c e p h a l o g r a ms i g n a l ，e e gs i g n a l ) 是该领域非常活跃的一个分支。 1 2 脑电信号的研究历史和发展现状 脑电信号的研究始于生物电信号的发现。1 7 8 6 年意大利博洛尼亚大学( u n i v e r s i t yo f b o l o g n a ) 的解剖学教授l g a l v a n i 发现了青蛙外周围神经和肌肉的带电现象，由此创立 了动物电学( a n i m a le l e c t r i c i t y ) 。人们因此将其视为现代电生理学( e l e c t r o p h y s i o l o g y ) 的奠基人。1 8 7 5 年英国利物浦皇家医学院的助教r c a t o n 首先在兔脑上发现了自发脑 电现象，并于同年8 月在英国医学杂志( b r i t i s hm e d i c a lj o u r n a l ) 上发表了题为脑 的电流的研究成果。18 7 7 年他将一份更详细的研究报告发表在同一刊物上，实验涉及 兔子、猫和猴子，总数量在4 0 只以上，其中以兔子为主要研究对象。就在r c a t o n 取 得划时代研究成果的同一时期，欧洲的其它生理学家也独立开展了关于脑电活动的研 究。其中18 9 0 年波兰克拉科夫雅盖隆宁大学( j a g i e l l o n i a nu n i v e r s i t yo fk r a k o w ) 的a b e c k 也独立发现了狗和兔子的脑自发电活动现象，并在他的博士论文中首次提出了脑 电的去同步化过程的概念。1 9 1 2 年俄国生理学家vvp r a v d i c h n e m i n s k y 用照相纸记录 了狗的脑电信号，并杜撰了脑电图“e l e c t r o c e r e b r o g r a m 一词。1 9 2 0 年a f o r b e s 发明 了用真空管替代线检流计来放大脑电信号，该技术在1 9 3 6 年成为行业标准1 1 1 。这些早期 的动物脑电研究无疑为人脑自发脑电活动的发现奠定了坚实的基础。 第一章绪论 最早的人类脑电图是德国耶拿大学( j e n au n i v e r s i t y ) 精神科教授h b e r g e r 于1 9 2 4 年在他儿子的头皮上获得的，如图1 1 所示。但出于谨慎，直到1 9 2 9 年他才将自己的研 究成果公开发表。在此后近1 0 年的时间里，他陆续发表了1 4 篇同一标题的关于人类脑 电图的文章，这些论文成为后续脑电研究工作的宝贵财富【2 1 。h b e r g e r 首次记录到人类 脑电活动，并第一次将脑电活动命名为e l e c t r o e n c e p h a l o g r a m 。由于他在脑电研究上的卓 越贡献，h b e r g e r 被后人称为“人类脑电图之父”。虽然h b e r g e r 的成果是如此的令人 兴奋，但在当时却不被大多数生理学家和神经生物学家所承认。其原因之一就是因为当 时的生理学家着重研究末梢神经纤维的电活动，而研究中枢神经系统电活动的科学家很 少。此外，当时对脑电特性认识的不统一也是一个重要原因。1 9 3 3 年英国剑桥大学 ( c a m b r i d g eu n i v e r s i t y ) 著名生理学家e d a d r i a n 在该校生理学实验室与b m a t h e w s 一起研究脑电图，肯定了h b e r g e r 的有关研究成果【3 】。之后，脑电的研究才得以快速发 展，并被推广到全世界。1 9 5 8 年英国伦敦大学( l o n d o nu n i v e r s i t y ) 的e gd a w s o n 研 制出了一种用于平均瞬时脑诱发电位( e v o k e dp o t e n t i a l ，e p ) 的电机械处理装置，开 创了脑诱发电位记录技术的新纪元，因此被后人视为临床诱发电位的创始人。 图1 1 人类的第一个e e g 记录，受试者为h b e r g e r 的儿子 脑电信号作为一种无创的检测手段，其研究涉及到神经生物学、心理学、病理生理 学、认知神经科学、神经工程乃至社会心理学、信号与信息处理等诸多领域。由于脑电 发现早期的技术限制，当时的研究方法都是进行目视分析，这种简单的定性分析手段很 难在复杂多变的脑电信号中直接发现具有意义的信息。直到2 0 世纪6 0 年代，随着电子 计算机技术的迅猛发展，脑电信号的分析才进入了计算机分析阶段，使得脑电信号的定 量分析有据可依，定性工作有了定量的支持而更具有客观性。特别是1 9 6 5 年j w c o o l e y 和j w t u k e y 提出的快速傅里叶变换( f a s tf o u r i e rt r a n s f o i t l l ，f f t ) ，加速了傅里叶变 换( f o u r i e rt r a n s f o r n l ，f t ) 、功率谱估计( p o w e rs p e c t r u me s t i m m i o n ，p s d ) 、联合时 频分析( j o i n tt i m e - f r e q u e n c ya n a l y s i s ) 、小波变换( w a v e l e t ) 和高阶统计量分析( h i g h e r o r d e rs t a t i s t i c a l a n a l y s i s ) 等信号与信息处理技术在脑电信号分析中的应用，取得了很多 有意义的进展。近几十年兴起的包括混沌理论、信息学和复杂度在内的很多非线性动力 2 长安大学硕士学位论文 学( n o n l i n e a rd y n a m i c s ) 研究方法也被引入脑电信号分析领域。最近，脑机接1 2 i ( b r a i n c o m p e e ri n t e r f a c e ，b c i ) 技术的研究也呈现上升趋势【4 1 。脑机接口技术是在人脑和计算 机或其它电子设备之间建立直接的交流和控制通道，它不依赖于大脑的正常输出通路 ( 外周围神经系统和肌肉组织) ，是一种全新的对外信息交流和控制方式【5 1 。该系统最核 心的部分就是对脑电信号的特征进行提取。能否快速有效的提取出与作业任务相关的特 征是当前摆在科研人员面前的最大课题。脑机接口技术在康复工程、工业控制和军事等 领域都有重要的应用价值，已经引起了全世界越来越多科研人员的关注和重视。 从以上脑电信号的研究历史和发展现状可以看出，探索脑电信号的目的和意义是为 了研究大脑的神经机制，并将成果应用于相关的疾病诊断、康复训练和工程控制等领域。 直到今天，临床脑电图的诊断价值仍然有限，但可以相信随着科学技术的进步，必将显 示其应有的价值。 1 3 独立分量分析的研究历史和发展现状 独立分量分析( i n d e p e n d e n tc o m p o n e n ta n a l y s i s ，i c a ) 是信号处理领域在2 0 世纪 9 0 年代后期才发展起来的一项新兴技术。独立分量分析的发展是和盲源分离( b l i n d s o u r c es e p a r a t i o n ，b s s ) 紧密联系的。盲源分离的简单含义如图1 2 所示。它的任务是 从若干观测到的多个信号的混合信号x ( f ) 中恢复出无法直接观测到的原始信号s ( f ) 和系 统的混合矩阵a 。所谓“盲 是指原理上它不要求对原始信号s ( f ) 和混合矩阵a 具有先 验知识。实际上任务的解答显然不是唯一的，因此免不了需要一些假设条件。一般至少 需要假设多通道原始信号s ( ，) 中各分量是相互统计独立、零均值且方差为1 的。不难看 出，盲源分离问题的提法和独立分量分析十分接近，只不过前者的研究领域更宽，处理 手段也更多。 解混系统b s f t ) 一 混合系统 球化 z ( 0 正交系统y ( ，) = b x ( o 一x f t ) = a s ( t ) a wu 图1 2 盲源分离 3 第一章绪论 独立分量分析的发展可以追溯到2 0 世纪8 0 年代初期。文献报道上一般把独立分量 分析的最早提出归功于1 9 9 1 年j h e r a u l t 、c j u r e n 、p c o m o n 、e s o r o u c h y a r i 在信 号处理( ( s i g n a lp r o c e s s i n g ) ) ) 上发表了关于盲源分离的三篇经典文章【6 8 】。j h e r a u l t 和c j u t t e n 提出的方法称为h j 算法，ec o m o n 和e s o r o u c h y a r i 分别使用不同的方法 对h j 算法进行了收敛性和稳定性分析，得n t 不同的结果。这标志着盲源分离研究的 重大进展。1 9 9 4 年p c o m o n 独立提出了通过对混合信号进行矩阵变换，使得变换后的 各信号之间尽量统计独立，以此来实现盲源分离的思路，并给出了严格的独立分量分析 的数学定义 9 1 。在ec o m o n 之后出现的第一个著名的基于神经网络方法的独立分量分 析算法是1 9 9 5 年由a j b e l l 和t j s e j n o w s k i 提出信息极大化算法( i n f o m a x ) 1 0 1 。他 们将该算法应用到超高斯信号盲源分离和盲解卷积中，并提出盲源分离问题和盲解卷积 问题可以通过信息量极大化原则得到统一，可惜的是该算法对于亚高斯信号却无能为 力。1 9 9 6 年j f c a r d o s o 和b h l a h e l d 深入分析了当时的独立分量分析在线算法，将 统计学中的等变化( e q u i v a r i a n c e ) 的概念引入到独立分量分析中来，指出满足等变化的 独立分量分析算法具有均匀性能( u n i f o r mp e r f o r m a n c e ) ，即算法的性能不受源信号的 混合程度的影响。为了使算法满足等变化，他们提出了相对梯度( r e l a t i v eg r a d i e n t ) ， 并基于相对梯度推导出了另一种在线算法( e a s i 算法) i n j 。1 9 9 7 年a h y v a r i n e n 和e o j a 根据统计学中峭度的概念，提出了基于四阶累积量的固定点算法( f i x e d p o i n t a l g o r i t h m ) 1 2 1 o 1 9 9 6 年h h y a n g 和s 一i a m a r i 从信息几何的角度提出了与相对梯度 等价的自然梯度( n a t u r a lg r a d i e n t ) 1 3 j 。我们知道，当参数空间是正交的欧几里得空间 时，常规梯度是最佳的下降方向。而自然梯度则是定义在黎曼空间中的最佳下降方向。 独立分量分析问题中的参数空间符合黎曼空间，因而采用自然梯度的独立分量分析算法 比采用一般梯度的算法具有更好的性能。1 9 9 9 年t w l e e 等人结合s i a m a r i 等人提 出的自然梯度方法对i n f o m a x 算法进行改进，提出了扩展的信息极大化算法( e x t e n d e d i n f o m a x ) ，从而在一定程度上实现了对亚高斯信号的盲分离【l4 1 。1 9 9 9 年a h y v a r i n e n 又对基于四阶累积量的固定点算法提出改进，结合信息论中负熵( n e g e n t r o p y ) 的定义 提出基于负熵的固定点算法【1 5 】。在参考文献【1 6 】中他们又做了进一步的简化，由于这一 算法比批处理算法甚至自适应算法，具有更快的收敛速度，因此又称快速独立分量分析 算法( f a s t l c a ) 。 经过十几年的发展，许多学者都认为有关独立分量分析的理论框架及其相关算法已 经基本完善，它展现了诱人应用前景。但是，还有若干难题亟待解决。最主要的难题包 4 长安人学硕士学位论文 括非线性问题、欠定问题、含噪问题和非平稳问题【1 6 - 2 0 l 。纵观独立分量分析的发展历程， 特别是2 0 世纪9 0 年代中期以来的积极研究阶段，盲源分离和独立分量分析的计算方法 综合了诸多的数学工具和处理思想。s c d o u g l a s 的评价：“这种汇合的影响已超越了 该两项任务的边界”，应该是十分中肯的【2 1 】。 1 4 独立分量分析在脑电信号处理中的发展现状 1 9 9 6 年s m a k e i g 等人首先将独立分量分析用于常规的脑电信号分析 2 2 1 。1 9 9 7 年他 们在研究听觉注意力的试验中，使用独立分量分析提取听觉诱发电位，分解出1 0 个分 量，诱发电位中每一个主要的峰都可以分解成一个或多个分量。1 0 个分量中，3 个分量 只在被测试者判断出目标时才出现，而另外3 个只在没有判断出目标时出现，1 个分量 在上述两种情况下都有，而两外3 个分量对应于对稳态背景的响应【2 3 】。同年，r n v i g i l _ r i o 使用独立分量分析对躺着的小孩在闭眼状态下测得的脑电信号进行了伪迹去除，他通过 观察分解出的独立分量及其在脑电图上的映射来决定其是否为伪迹，但没有对去噪的效 果进行定量分析【2 4 1 。2 0 0 0 年他们又把f a s t l c a 算法应用于脑电信号和脑磁信号分析，实 验表明即使伪迹比脑电信号还要微弱，也可以较好地被去除【2 5 1 。2 0 0 1 年t - p j u n g 等人 分析单次诱发电位时，发现用独立分量分析能够将干扰和刺激锁定的脑电信号、响应锁 定的脑电信号及其背景脑电信号分成不同的分量【2 6 1 。2 0 0 4 年c a j o y c e 等人提出了在 独立分量分析后自动提取并去除眼动伪迹的一种方法，结果与手动独立分量分析去噪效 果相当【2 7 】。虽然事实上该方法由于实验条件限制只能算是一种半自动独立分量分析去噪 方法，但是对于独立分量分析的进一步推广有着深远的意义。同年，h l i u 等人研究表 明在使用独立分量分析后对癫痫患者痉挛误诊率可由1 3 将为8 【2 8 】。2 0 0 5 年a f l e x e r 等人证明了盲人不规则眼动伪迹也可以由独立分量分析分离出来【2 9 1 。2 0 0 8 年m d e l u c i a 等人采用独立分量分析对癫痫脑电信号进行了自动检测和分类【3 0 1 。 由于独立分量分析在脑电信号分析中的优良特性，目前很多脑电采集设备的配套软 件都已经内置了该算法，可以方便的使用。此外，由s m a k e i g 等人开发的开源m a t l a b 工具箱e e g l a b t 3 1 1 也可以非常方便地使用独立分量分析进行脑电信号的伪迹去除和诱发 电位提取等处理。 1 5 本论文的主要工作及内容安排 本论文的主要研究工作是将独立分量分析应用于脑电信号的伪迹去除和诱发电位 5 第一章绪论 的单次提取。主要内容安排如下： 第一章为绪论，首先介绍论文的研究背景和意义，接着回顾了脑电信号和独立分量 分析的研究历史和发展现状以及独立分量分析在脑电信号处理中的发展现状，最后是论 文的主要内容介绍及章节安排。 第二章为脑电信号分析的基本理论，首先介绍脑电信号的特征和分类，接着介绍脑 电信号采集的国际标准导联l o 一2 0 系统。重点讨论脑电信号的传统分析方法，特别是脑 电信号的功率谱估计。 第三章为独立分量分析的基本理论，首先介绍独立分量分析的数学模型、基本假设 和优化判据，接着介绍预处理方法和不确定性问题。重点讨论独立分量分析的四种经典 算法( j a d e 算法、i n f o m a x 算法、扩展i n f o m a x 算法和f a s t l c a 算法) ，通过相应的m a t l a b 仿真来验证各自的有效性并分析比较。 第四章为独立分量分析在脑电伪迹去除中的应用，首先介绍脑电信号中的主要噪声 和干扰源，接着介绍传统的伪迹去除方法伪迹减法。针对伪迹减法会不可避免地去除某 些脑电信号成分的缺陷，根据伪迹的性质及其在脑电信号中与其它成分的混合特点提出 基于独立分量分析的方法，并对真实脑电信号中的伪迹运用独立分量分析进行去除，给 出m a t l a b 仿真结果。 第五章为独立分量分析在诱发电位单次提取中的应用，首先介绍诱发电位的定义、 特点、分类和波形分析，接着介绍传统的诱发电位提取方法叠加平均法。针对叠加平均 法不能反映诱发电位逐次变化的缺陷，根据诱发电位的性质及其在脑电信号中与其它成 分的混合特点提出基于独立分量分析的方法，并对真实脑电信号中的诱发电位运用独立 分量分析进行单次提取，给出m a t l a b 仿真结果。 最后是全文的总结，分析取得的成果及遇到的困难，并对后续的研究工作做了展望。 6 长安大学硕：七学位论文 第二章脑电信号分析的基本理论 2 1 脑电信号的特征和分类 脑电是通过电极记录下来的脑组织细胞群的自发性、节律性电活动。这种电现象是 伴随着生命的始终，一旦死亡，电现象就会随之消失。我们通常所说的脑电图是指头皮 脑电图( s c a l pe l e c t r o e n c e p h a l o g r a m ) ，实际上就是头皮电位差与时间之间的关系图。通 常，从头皮上获得的脑电信号可以分为自发脑电( s p o n t a n e o u se l e c t r o e n c e p h a l o g r a m ， s e ) 、诱发电位和事件相关电位( e v e n t r e l a t e dp o t e n t i a l ，e r p ) 。本节主要描述自发脑 电的特征和分类，诱发电位和事件相关电位将在第五章介绍。 脑电信号是脑神经细胞整体活动，包括离子交换、新陈代谢等的综合外在表现。作 为一种特殊的电生理信号，脑电信号具有以下几个特征【2 】 ( 1 ) 脑电信号背景噪声强，信号幅度非常微弱。频率范围一般在0 5 5 0 h z 之间。 头皮脑电信号的幅度一般只有1 0 1 0 0 a v 左右，超过1 0 0 v 的就可以看作是噪声。诱发 电位一般只有1 0 - 3 0 t v 。而且在检测到的脑电信号中，往往包含有大量的干扰成分，例 如心电( e c g ) 、眼电( e o g ) 、肌电( e m g ) 和出汗干扰等非脑神经活动的生理信号伪 迹；工频干扰、其它仪器的电磁干扰以及在测量过程中由于电极接触不良，电极脱落和 人体活动等原因造成的各种伪迹等。因此，脑电信号处理的关键问题之一就是如何有效 去除脑电信号中的各种伪迹。 ( 2 ) 脑电信号是一种随机性很强的非平稳信号。之所以说脑电信号随机性强，是因 为影响脑电信号的因素很多，而对脑电信号的生成机理及其规律至今也没有一个明确的 认识。因此人们不得不借助统计处理技术来检测、辨识和估计脑电信号的特征。同时， 由于生成脑电信号的生理因素始终处于变化状态，而且对外界的影响比较敏感，这使得 脑电信号表现出很强的非平稳性。研究表明，脑电信号的长度从1 5 增加至1 0 5 ，其平稳 性由9 0 降至1 0 。因此非平稳信号分析与处理方法在脑电信号处理中具有重要意义。 ( 3 ) 脑电信号是非线性信号。生物组织的调节及自适应能力必然影响到电生理信号， 这使得脑电信号具有典型的非线性的特点。而传统意义上的信号处理技术基本上都是建 立在线性系统理论基础之上的，因而处理结果不可避免地会丢失很多原始信号中所带的 信息。这也是为什么非线性动力学混沌理论发展起来后被迅速运用到脑电分析研究中的 原因。虽然目前尚没有任何结论可以替代传统的研究方法，但是不可否认的是非线性研 7 第二章脑电信号分析的基本理论 究在脑电信号处理中具有及其重要的地位，并且可能最终取代基于线性系统的研究方法 占据脑电信号分析的主导位置。 ( 4 ) 脑电信号的频域特征比较突出。因此与其它生理信号相比较，功率谱分析及各 种频域处理技术在脑电信号分析中占有更重要的地位。 ( 5 ) 脑电信号一般都是用多电极测得的多导信号，在各导联信号之间有着非常重要 的互信息。如何有效地揭示这些互信息，突出隐含在多导脑电信号之间的重要特征是建 立和评价脑电信号处理方法的一个重要标准。 脑电信号的频率范围一般在0 5 5 0 h z 之间，通常按照频率范围的不同进行分类以表 示各种成分。一般将比a 波慢的6 波与0 波统称为慢波；而将比0 【波快的p 波和丫波统称为快 波。脑电信号的主要节律如下 3 2 , 3 3 】： ( 1 ) d e l t a ( 6 ) 波：频率为0 5 - 4 h z ，其中o 5 2 h z 的称为6 l 波，2 4 h z 的称为6 2 波。 通常出现在成人极度困倦和深睡时、早产婴儿和幼儿，但在深度麻醉、缺氧或大脑有器 质性病变时也可出现。 ( 2 ) t h e t a ( o ) 波：频率为4 8 h z ，幅度为1 0 - 4 0 1 t v 。在困倦或者浅睡时一般即可 见到，它的出现是中枢神经系统抑制状态的表现。 ( 3 ) a l p h a ( a ) 波：频率为8 1 3 h z ，幅度为3 0 5 0 一。它是正常人脑电信号的基 本节律，主要分布在项、枕区，一般呈正弦波样。在人脑枕叶及顶叶后部记录到的q 波 最为显着。a 波在清醒安静闭目时出现，其波幅呈现由小变大，然后由大变小，如此反 复进行的周期性改变，形成所谓波的“梭形。每一个0 【波梭形大约持续1 2 s ，睁眼、 思考问题或接受其它刺激时，0 【波减弱，而出现其它快波。这一现象称为a 波的阻断。 受试者重新安静闭目时，c 【波又重新出现。 ( 4 ) b e t a ( 1 3 ) 波：频率为1 3 3 0 h z ，幅度为5 - 3 0 “v ，其中1 3 2 0 h z 称为p 1 波，2 0 3 0 h z 称为b 2 波。它遍及整个大脑，主要分布于前半球及颞区。如果被测者睁眼视物或听到突 然的音响或进行思考时，出现1 3 波。所以p 波的出现一般代表大脑皮层的兴奋。 ( 5 ) g a m m a ( 丫) 波：频率为3 0 h z 以上，有时也称为快p 波。尽管幅度很小，出现 率很低，y 波可以用于某些特定脑部疾病的检测。同时丫波也是大脑事件相关同步 ( e v e n t r e l a t e ds y n c h r o n i z a t i o n ，e r s ) 很好的指标【3 4 】。 以上前四种典型脑电信号节律的波形如图2 1 所示。 8 长安大学硕 二学位论文 鼢a ( b ) 矿水肿岭岬 w 朴脚”小 1 3 - 3 0 h z 州洲册蝴枷棚脚吣衄炯洲 葛：要棚卅哪抄蛳椭m 胁刊州删 、 一v - _ 一 ，_ - - ，_ 、，一r _ 一、，。、_ _ _ _ - ，、 m e ，叭八v 广v 哪沪小 4 - 8h z o2468 t i m e s e e 图2 16 、0 、a 、p 四种典型脑电信号节律的波形图 2 2 脑电信号采集标准电极安放法 采集脑电信号时，电极的位置通常按照国际标准导联1 0 2 0 系统安放。该国际标准 的基本原则如下： ( 1 ) 电极的位置应根据颅骨标志的测量加以确定，尽可能与头颅的大小和形状成 比例。 ( 2 ) 电极的位置应适当分布在头颅的所有部位。 ( 3 ) 电极位置的名称应结合脑部分区( 额、颞、顶、枕) 。 ( 4 ) 应进行解剖学研究，确定标准电极下是哪个皮层。 ( 5 ) 用国际阿拉伯数字标示电极：左半球为奇数，右半球为偶数，零点代表头颅 正中位，a 1 、a 2 代表左右耳垂。接近中线的用较小的数字，较外侧的用较大的数字。 依照以上的原则，国际脑电图学会制定了标准电极安放法。所谓国际标准导联1 0 2 0 系统是指在矢状位上将鼻根( n a s i o n ) 和枕外粗隆( i n i o n ) 相连接，在冠状位把鼻根、 外耳孔和枕外粗隆相连，中点为中央头顶( v e r t e x ) 即c z 。通过c z 将两个连线各分为 2 个1 0 和4 个2 0 。这样选取电极位置，使得每个电极与邻近电极离开1 0 或2 0 的 距离。国际标准导联1 0 2 0 系统电极安放法如图2 2 所示。表1 1 给出了国际标准导联 1 0 - 2 0 系统导联位置的中英文名称和电极标号。 9 金1 嗣 a 4 ，_ 陇婚 第二章脑电信弓分析的基本理论 v e r t e x ( a )t b ) 图2 2 国际标准导联l o 一2 0 系统电极安放法 ( a ) 侧视( b ) 俯视 ( 奇数电极放置在左半球，偶数电极放置在右半球) 表i i国际标准导联1 0 2 0 系统导联位置中英文名称和电极标号对照表 部位英文名称电极代号 前额p r e f r o n t a ll o b e f p l 、f p 2 侧额i n f e r i o r f r o n t a ll o b e f 7 、f 8 额区 f r o n t a ll o b e f 3 、f 4 、f z 中央c e n t r a ll o b e c 3 、c 4 、c z 颞区 t e m p o r a ll o b et 3 、t 4 后颞 p o s t e r i o r t e m p o r a ll o b et 5 、t 6 顶区p a r i e t a ll o b e p 3 、p 4 、p z 枕区 o c c i p i t a ll o b e0 1 、0 2 耳 a u r i c u l a r a 1 、a 2 注：f z 为额中线? c z 为中央头顶：p z 为顶中线 2 3 脑电信号分析的传统方法 2 3 1 目测方法 分析脑电图的传统方法是靠医生的目测，实质上是一种借助于复杂对象的模式识 别方法对脑电的多维记录进行特征提取，而得出较少的规范描述类评价脑电信号，用一 些公认的指标来鉴别脑电信号的模式。医生通常是根据脑电信号波形的频率、幅度、时 间过程及瞬态分布情况对患者的脑电图进行分类，同时利用经验去除伪差和干扰，然后 1 0 长安人学硕士学位论文 是描述性的评价及结论。 这种脑电图分析的手段具有相当大的局限性。当异常脑电活动在多导联同时发生， 或脑电变化性质比较复杂时，对脑电图的审查和解释就变得十分困难，甚至会发生错误， 这时就不能精确定位病灶。这样做的巨大工作量会给医生带来繁重的劳动，工作效率极 低，分析速度很慢。而且分析结果粗糙，分析的可靠性及病灶定位的准确性都很低，难 以达到较高的定量要求。同时分析结果不可避免地要受到医生经验水平等主观因素的影 响，非常依赖医师们的工作经验及主观认识，一般临床工作者难以胜任这项工作。研究 者们一直期望使脑电图的分析脱离主观处理水平，并能从脑电信号中获得更多关于大脑 的信息。 2 3 2 时域分析方法 直接从时域提取有用的波形特征是最早使用的脑电信号分析方法，至今仍被沿用， 特别是在睡眠脑电信号的研究中。早期的波形特征提取是靠人的观察分析，计算机出现 以后，开发了波形特征的自动分析算法。时域分析的优点在于时域波形包含脑电信号的 全部信息，不仅能描述单个脑电信号的幅度和周期，而且不需要假设脑电信号是平稳的， 适用于分析长达七l 个小时的睡眠脑电。本节主要介绍周期幅度分析法( p e r i o d a m p l i t u d e a n a l y s i s ) ，包括零点分析法( z e r oc r o s s a n a l y s i s ) 和一阶导数零点法( z e r of i r s t d e r i v a t i v e ) 3 5 1 。 过零点分析法中首先定义一个半波，即图2 3 ( a ) 中所示的两个相邻零点( 实心点) 之间的波，过零点的时间通过对跨零点的一对点线性插值得到。然后计算以下指标： ( 1 ) 半波宽度，两个连续过零点之间的时间间隔，即插值后的半波周期。 ( 2 ) 积分幅度，半波与零基线