（机械电子工程专业论文）脑电信号特征信息提取的时频分析方法及虚拟式脑电图仪的研制.pdf

中文摘要 摘要 脑电图仪是临床上检查脑疾病的重要辅助工具，能否有效提取脑电信号中的 各种特征信息是判断脑电图仪性能好坏的重要标志。本文在了解和分析国内外目 前在脑电信号处理、脑电图仪发展现状的基础上，利用近年来信号处理领域的重 大成就，以及计算机软硬件技术和微电子技术，并结合最近几年获得飞速发展的 虚拟仪器技术，建立了虚拟式的脑电测量和分析仪器系统。这是虚拟仪器技术向 生物医学领域渗透的必然结果，也必将会对我国的生物医疗电子和生物医学仪器 领域产生重大影响。 脑电信号作为一种复杂的非平稳信号，仅仅利用传统的时域和频域分析方法 很难充分提取脑电信号中的特征信息。本文在综述各种时频分析理论的优点和局 限性的基础上，深入讨论了g a b o r 变换、小波和小波包变换、w i g n e r 分布和c h o i w i u i 锄s 分布、匹配跟踪( m p ) 、独立分量分析( i c a ) 、基于小波包分解和短时 傅立叶变换的多分辨率时频分析( m r t f a ) 和人工神经网络( a n n ) 在脑电信号 特征信息提取中的应用。由于脑电信号中特征波形的多样性和复杂性，仅依靠某 一种时频分析方法是无法有效提取脑电信号中的所有特征信息的，因此必须考虑 综合利用各种时频分析方法。在作者研制的虚拟式脑电测量与分析仪中，集成了 上述时频分析方法。引入了脑电基本节律频带相对强度比( b r i r ) 的概念，利用 g a b o r 变换实现了b r i r 的自动检测，帮助医生正确判断脑电节律的抑制情况；综 合利用独立分量分析、多分辨率小波变换、自适应滤波处理、连续小波变换、人 工神经网络和专家知识规则来提取癫痫脑电中棘波、尖波和慢波；根据脑电信号 中波形特征的不同，可以自适应地选择适当的时频分析方法，如基于不同小波基 的小波变换和w i g n e r 分布等，以最大化显现脑电信号中的特征信息。同时考虑脑 电图仪的发展特点和临床诊断要求，在本文的研究过程中，集成了脑电地形图检 测和睡眠分阶自动分析的功能。其中脑电地形图利用g a b o r 变换和球面插值方法 来实现；在建立基于小波包变换和短时傅立叶变换的多分辨率时频分析以及睡眠 分阶规则的基础上，实现睡眠分阶自动分析功能。 本文还讨论了零相位失真数字滤波器在脑电信号处理中的应用情况。在仪器 的实现过程中，用它来对采集到的脑电数据做无失真的预处理以及各个脑电节律 频带的无失真信息提取。 在本文建立的虚拟式脑电测量和分析仪器系统中，不仅集成了上述强大的脑 电信号特征信息提取功能，而且充分考虑临床应用中医生观察脑电波形的方便性， 设置了多个显示控制参数，以达到多样的灵活显示方式。此外，由于本仪器系统 重痰大学搏士学位论文 怒建立在虚拟仪器技术基础上的，因此熙有虚拟仪器的固有特点，可以方便地进 彳予脑电数据的采样、保存、阐放、显示和打印等；引入了数据库管理技术，从蕊 霹缓畜效遗对藤迤数据霜瘸入爱息遂嚣繁灌秘方便逡旋运。摄撂纛羧纹器技拳发 展趋势和生物暇学仪器特点，提出了拼搭式的虚拟式擞物医学仪器系统的构建和 廉拟式生物医学仪器系统的应用趋势。 本文掰磷铡黪虚拟式黢电测量和分橱仅器系统，爨残了多秘孵猴检测和分辑 蠢法，透过这麓方法的综念应用，可强充分提取脑电僖号中斡特缀信息，蚨为鼷 嫩提供更准确和充分的诊断依据。这在作者所见文献描述的同类仪器中尚未见撤 邋，因此本文对于各种先进的时频分析方法在脑电测爨和分析中的实际和深入成 羽敲了有益缝秘骞效蘧搽索。 慕键词：脑电信号，时频分析，特征波提取，零相位失真，虚拟仪器 壅苎塑茎 a b s t r a c t e e gi n s t r m n e n t a t i o ni sa ni m p o r g m ta s s i s t a n tt o o lf o rt h ed e t e c t i o no f b r a i ni l l n e s s i nc l i n i c a l ，a n di ti sa l li m p o r t a n ts y m b o lf o rj u d g i n gt h ep e r f o r m a n c eo fae e g i n s t r u m e n tt h a tw h n t h 鼎t h ef e a t u r ei n f o r m a t i o ni ne e gs i g n a l sc a nb ee x t r a c t e d e f f e c t i v e l y b a s e do nt h ek n o w i n ga n da n a l y s i sf o re e gs i g n a lp m c e s s m ga n dt h e d e v e l o p e da c t u a l i t yo fe l e c t r o e n c e p h a l o g r a p hi n s i d ea n do u t s i d eo fc h i n aa tp r e s 毗 t h i sd i s s e r t a t i o nm a k e su s eo ft h em a g n i t u d ea c h i e v e m e n ti nt h ea r e ao fs i g n a l p c 嚣s i n 舀a n dc o m p u l 嚣s o f t w a r ea n dh a r d w a r et e c h n i q u e sa n dm i c m e l e c t m n i e s t e c h n i q u e , f u r t h e r m o r e , i n t e g r a t e st h ev i r t u a li n s t r u m e n tt e c h n o l o g yd e v e l o p e da tav e r y f a s ts p e e dd u r i n gt h er e c e n ty e a r s ，t oc o n s t r u c tt h ev i r t u a le e g m e a s u r i n ga n da n a l y s i s i n s t r u m e n t a t i o ns y s t e m w h i c hi st h ei n e v i t a b l er e s u l tt h a tv i r t u a li n s t r u m e n tt e c h n i q u e i si n f i l t r a t e di n t ob i o m e d i c a lf i e l d , a n dw i l lb r i n go u tg r e a ti m p a c tf o rb i o m e d i c a l e l e c t r o n i c sa n db i o m e d i c a li n s t r u m e n t sf i e l d so f o u rc o u n t r y e e g s i g n a li s 鑫k i n do fc o m p l e xn o n - s t a t i o n a r ys i g n a l t h ef e a t u r ei n f o r m a t i o ni n e e gs i g n a l sc a n tb ee x h a l e ds u f f i c i e n t l yo n l yr e l y i n go nt r a d i t i o n a ls i g n a lp r o c e s s i n g m e t h o d si nt i m ed o m a i nm a df r e q u e n c yd o m a i n o nt h eb a s i so ft h es u m m a r i z a t i o no f t h ee x c e l l e n c e sa n dl i m i t a t i o no fa l lk i n d so f 也n e - f r e q u e n c ya n a l y s i st h e o r y , t h i s d i s s e r t a t i o nd i s c u s s e st h o m u g ht h ea p p l i c a t i o ni ne x t r a c t i n go ff e a t u r ei n f o n n a t i o ni n e e gs i g n a l so fg a b o rt r a n s f o r m ，w a v e l e ta n dw a v e l e tp a c k e tt r a n s f o r m ，w i g n e r d i s t r i b u t i o na n dc h o i - w i l l i a m sd i s t r i b u t i o n ，m a t c h i n gp u r m a i t ( m p ) ，i n d e p e n d e n t c o m p o n e n ta n a l y s i s ( i c a ) ，m u l t i - r e s o l u t i o nt i m 争f f e q u e n c ya n a l y s i sb a s e do nw a v e l e t p a c k e td e c o m p o s i t i o na n ds h o r tt i m ef o u r i e rl r a n s f o r m ( s t f t ) a n da n n b e c a u s eo f t h ed i v e r s i t ya n dc o m p l e x i t yo ff e a t u r ew a v e f o r mi ne e gs i g n a l s ，t h ea l lf e a t u r e i n f o r m a t i o ni ne e gs i g n a l sc a l ln o tb ee x t r a c t e de f f i c i e n t l yb yo n eo ft i m e - f r e q u e n c y a n a l y s i sm e t h o d so n l y , i ti sn e c e s s a r yf o ru s i n gm u l t it i m e - f i e q u e n c ya n a l y s i sm e t h o d s s y n t h e t i c a l l y t h et i m e f r e q u e n c ya n a l y s i sm e t h o d sd i s c u s s e da b o v ea r ei n t e g r a t e di n t o t h ev i r t u a le e gm e 弱u r i n ga n d a n a l y s i si n s t r u m e n t a t i o nd e v e l o p e db yt h ea u t h o r n e c o n c e p to fe e gb a s i cr h y t h m sf r e q u e n c yb a n d sr e l a t i v ei n t e n s i t yr a t i 0 0 3 r m ) i s i n t r o d u c e d ，a n dg a b o rt r a n s f o r mi su s e dt or e a l i z e 也ef u n c d o no fd e t e c t i n gb r i r a u t o m a t i c a l l y , t oh e l pd o c t o r sj u d g et h er e s t r a i nc a s eo fe e gr h y t h md g h t l y ；, i c a , m u l t i - r e s o l u t i o nw a v e l e tn a n s f o r m _ ，a d a p t i v e - f i l t e r i n gp r o c e s s i n 懿c o n t i n u o u sw a v e l e t t r a n s f o r m , a n na n de x p e r tk n o w l e d g er u l e s 瓣u t i l i z e ds y n t h e t i c a l l yt oe x t r a c ts p i k e w a v e ，s h a r pw a v ea n ds l o ww a v ei ne p i l e p t i ce e g ；a p p r o p r i a t et i m e - f r e q u e n c ya n a l y s i s m e t h o d s , s u c ha sw a v e l e tt r a n s f o r ma n dw i g n c rd i s t r i b u t i o ne t c ，c a nb e 穗o s 舒l i l l 1 绪论 1 绪论 1 1 课题来源 本课题爱国家自然科学基金资助项目( 批准号：5 9 8 7 5 0 9 0 ) 和重庆市重点攻 关颁西( 新毽医疗器械关键技术及产晶的研究开发专项) 虚拟式医电监护诊 断仪静轿嗣( 编号：7 2 3 8 ) 静瓷韵。 1 2 脑电图( e e g ) 综述 1 2 1 脑电图 通常所指的脑电图( e l e c t r o e n c e p h a l o g r a p h ，e e g ) 检测是邋过按照一定规则 放鬣在头皮上的电极来观察脑电波活动的过程。脑电图是脑神经细胞电生理活动 在大脑皮层躐头皮表面的总体反映。腑电信号中包含了大量的生理与疾病信息， 在虢床涎学方瑟，脑奄信号鲶瑾不仅可为菜些籀疾病提供诊断依据，而盛还为某 些藏疾瘫提供了有效豹渗疗手段。鏊蔫，精电凝已经在 晦寐上获得了广泛应用， 建立了c t 、m r 等不可替代鲍地位，残戈渗颧癫瘸( e p i t e p s y ) 、极度兴奁 ( h y p e r a c t i v i t y ) 、注意力不集中( a t t e n t i o nd e f t e i td i s o r d e r ) 、酒耀，莼晶依赖 ( a l c o h o l c h e m i c a ld e p e n d e n c y ) 、脑外伤、失眠、睡眠紊乱等的重要辅助手段。在 工程应用方面，人们也尝试利用脑电信号实现脑，计算机接口( b c i ) 【l 】，利用人对 不确的懑觉、运动或认知活动的腩电的不阑，通过对脑电信号的有效的提取和分 类达到莱种控稍器的。 1 8 7 5 年英匿物瀵学象r i c h a r dc a t o n 第一次检测到了藩都电流，德之瑟发麓菲 鬻缓慢，壹剿1 9 2 4 年，德国秘经学者h a n sb e r g e r ，利用其筏肇懿检测设备款太藉 部电活动，从而第一次在记录纸上摇记到了脑部电潺动。至今，已有憋近8 0 冬瓣 历史，人们对脑电的分析积累了大量的经验【甜。 在脑部的不同区域发出的是具有不同频率成分的脑电波。放置在头皮上的电 极会采集到暴有不同特征的许多波形。因此，要有效地解释检测到的大量脑墩数 据，对于医燕和研究者而言，是非常萄难的事。困藏自1 9 3 2 年d i t c h 首先用傅立 时变换滋行了e e g 分辑乏居，在膝电分析中相继弓| 入了颓域分析、时域分析等脑 电凝分掇躲经典方法。近年来，在齄毫图分板孛应爝了小波分析、莲聚跟踪方法、 神经网络分析、捏沌分柝等方法以及各秘分柝方法救毒枧缝合，有力迭接动7 脑 电信号分析方法的发剧3 冲酊。 关于脑的不同类型的节樟以及它们与不同瘸理和功能之间的关系的研究，自 有脑电图以来，貔一赢是研究者所关心的问题。脑部电活动根据不同脑部的状态、 重庆大学博士学位论文 功能或病理被分成了不同的频带【2 】： 艿节律( 0 5 h z 3 5 h z ) ：深度睡眠阶段的特征。而且，具有某些特定形态 ( m o r p h o l o g i e s ) 、位置( 1 0 c a l i z a t i o n ) 和节奏性( r h y t h m i c i t y ) 的占活动与不同的 病理有关 目节律( 3 5 h z 7 5 h z ) ：它们在睡眠期间加强，在婴幼儿和儿童的脑电活动 中扮演了重要角色。在清醒的成年人中，高的0 节律被认为是异常的，并且与不同 的脑部活动紊乱有关； 岱节律( 7 5 h z - 1 2 5 h z ) ：在放松和精神不紧张的情况下，他们在正常成年人 清醒期间自然出现。在眼睛闭合时看得最清楚，通常在枕区位置( o c c i p i t a ll o c a t i o n s ) 最显著( p r o n o u n c e d ) ； 口节律( 1 2 5 h z 3 0 5 h z ) ：以中央区和额区最为明显，与口波相比较，它们 具有较低的幅值，在紧张和焦虑的时候频率有所加强。一般地又把他们分为屈 ( 1 2 5 h z 1 8 h z ) 和展( 1 8 h z - 3 0 h z ) 两种电活动： 不同年龄的病人以及不同的情况下有不同的脑电节律。一般而言，有一个优 势频率，就是在记录中最为突出和明显的节律一背景节律”( b a c k g r o u n d r h y 吐1 m ) 。如在清醒时的背景节律：婴儿为4 5 i - i z ( 万和p 波) ；儿童为5 8 h z ( 口波) ： 成年人为8 1 0 i - i z ( 口波) 。而在睡眠时的背景节律：浅睡时为5 , , 6 h z ( 口波) ；深 睡时为2 3 h z ( 艿波) 。可以认为背景节律是中枢神经系统兴奋性的总体指标。其 频率随年龄增大( 至成年期) 而加快，睡眠时，尤其是深睡时减慢。浅睡时口波 也会以1 4 h z 的纺锤波出现。在脑电检查中，正常节律的抑制也可能是异常的。 1 2 2 脑电图仪【2 卜【1 6 j e e g 是脑组织细胞电活动在皮层的表现。e e g 信号在微伏级，诱发电位更弱， 这就给e e g 的记录带来了相当的困难。二十世纪8 0 年代初及以前国产脑电图仪 失败的一个重要原因就是抗干扰和稳定性差。 传统上，记录e e g 采用国际标准的1 0 2 0 系统安放电极，但是随着研究的深 入和技术的提高，人们发现常规1 6 导脑电图提供的信息量不足。因为按照n y q u i s t 采样率要求，如果把脑电在头皮上的空间分布作空间频率分析，那么电极的间距 应小于电位空间分布最小波长的一半，即电极间距应小于2 3 c m 才能不丢失信息。 因此，现代脑电图仪已经从1 6 导发展为3 2 导、6 4 导，甚至1 2 8 导、2 5 6 导。记 录方式也由纸笔记录方式转为数字记录，同时采用计算机对e e g 进行各种分析。 脑电图仪是神经内科必备的仪器之一。我国有很多医院采用的还是纸笔记录 的脑电图仪，其中以日本光电公司和上海医电厂生产的脑电图仪最为普遍。但目 前脑电图仪正处于更新换代时期：因为纸笔记录的e e g 的保存己成为医院的难题， 其成本也随着纸张价格的提高而提高，并且没有后期处理功能；其次进口脑电图 2 1 绪论 仪价格昂贵。 二十世纪8 0 年代末，我国开始自行研制并成功地将计算机分析应用于e e g ， 即将e e g 信号通过前置放大器并通过数据采集卡( 数模转换a d ) 数字化后送入 计算机进行处理。从1 9 9 2 年起，我国市场上开始出现以计算机为主、加上前置放 大器的数字化脑电信号处理仪器，这种组合仍是当前脑电图仪的主要特点。以前 生产的前置放大器的功能比较简单，远远不能代替硬件脑电图仪。一般脑电图仪 至少有8 个导联，并且还可以自由组合；而这种简单的放大器只有一种或2 种( 单 极导联双极导联) 导联方式，而且缺少生理诱发装置如光刺激器和呼吸传感器等。 但发展到现在，前置放大器的性能越来越好，出现了1 6 路、3 2 路甚至更多通道的 高精度的专用于脑电信号的放大装置。在此基础上，也出现了各种类型的数字化 脑电地形图仪，如北京新拓公司、太阳公司、上海诺诚电气有限公司生产的系列 数字化脑电图仪。这些仪器不仅具有了传统硬件脑电图仪的描记功能，而且利用 了计算机技术和信号处理技术，可以对脑电信号进行后期分析和处理。 尽管如此，但是由于受到信号处理技术的限制，现有数字化脑电图仪对e e g 的研究和分析还不够深入，对于e e g 中特征信息的提取还不能充分满足临床诊断 的需要。因此，基于这样一个认识，本文进行了智能脑电诊断、监护和分析仪器 系统的研制工作。从临床应用和科学研究的角度出发，在该仪器系统中引入了多 种现代信号分析和处理方法，从而使本仪器系统不仅可以进行1 0 、1 6 、2 4 或3 2 导联，多种参考或双极定位方式无纸化描记e e g ，并把采集到的脑电数据保存在 硬盘上；而且可以对其进行回放，以多种不同的显示组合方式显示脑电数据，使 医生可以在最佳的观测环境下对e e g 进行判断。利用计算机的信息管理的特点， 在仪器中引入了数据库管理技术，从而可以对病人信息和脑电数据进行有效的管 理。特别地，在本仪器系统中综合运用了现代多种信号处理和分析方法，使其不 仅具有常规脑电图的时域、频域分析；而且利用g a b o r 变换分析脑电信号中各种 基本节律所占的频带相对强度比；利用零相位数字滤波方法实现了无相位失真地 提取脑电信号中某个频段的有用信息；综合运用小波变换、独立分量分析对采集 到的脑电信号进行预处理，消除脑电信号中的各种噪声：综合运用小波变换、神 经网络和专家知识规则判断癫痫脑电信号中的特征节律波形，如棘波、尖波和慢 波等。在特征节律波形的判断中，还综合应用了w i g n e r 分布，基于不同小波基的 小波变换等信号分析方法提取其他的特征节律波形；集成了脑电地形图的分析功 能，使之可以应用于器质疾病、功能性疾病的诊断和疾病疗效预后评价。鉴于睡 眠分析在现代医学临床诊断中正发挥越来越大的作用，因此在本仪器系统中还应 用了基于小波包变换和短时傅立叶变换的多分辨率时频分析方法，对睡眠分阶进 行自动分析。 重庆大学博士学位论文 1 2 3 脑电信号的现代分析方法综述【3 h 1 8 】 1 频域分析 1 ) 功率谱估计 功率谱估计是频域分析的主要手段。它的意义在于把幅度随时间变化的脑电 波变换为脑电功率随频率变化的谱图，从而可直观地观察到脑电节律的分布与变 换情况。 谱估计法一般可分为经典方法与现代方法。经典的谱估计方法是直接按定义 用有限长数据来估计，即以短时间段数据的傅氏变换为基础的周期法。主要有两 种途径：( 1 ) 先估计相关函数，再经过傅氏变换得到功率谱估计( 根据维纳一辛 钦定理) 。( 2 ) 把功率谱和幅频特性的平方联系起来，即功率谱是幅频特性平方的 总体均值与持续时间之比，是在持续时间趋于无限时的极限值。这两种方法存在 的共同问题是估计的方差特性不好，而且估计值沿频率轴的起伏比较剧烈，数据 越长，这种现象越严重。 而参数模型估计方法对数据处理能得到高分辨率的谱分析结果，从而为e e g 信号频域特征的提取提供了新的有效手段，特别是对e e g 信号作动态特性分析中 更显优越。 2 ) a r 参数模型谱估计 脑电信号的a r 模型( 自回归模型) ： l x k = 仍x h 峨 ( 1 1 ) i = l z 。是脑电信号现实值；竹是模型参数；m 是模型阶数；是零均值平稳高斯 噪声。 a r 模型系数比m a ( 滑动平均模型) 和a r m a ( 自回归滑动平均模型) 较易 从求解线性方程组或递推计算中得到，模型中研究的随机信号是平稳白噪声激励 线性滤波器的输出。因此在e e g 分析中应用的较多的是a r 模型谱估计技术。a r 模型首先选择最佳阶次问题，常用的定阶准则有信息论准则( a i c ) ，最终预测误 差准则( f p e ) 等，阶次确定后按信号数据列与它的估计值之间均方误差最小准则， 求取系数a t 值。a r 系数的算法有l e v i s o n - d u r b i n ，y u l e - w a l k e r , b u r ga l g o r i t h m ， l e a s ts q u a r e s 等【2 9 1 。 如利用a r 模型对e e g 信号进行压缩。在一般的e e g 实验室中，5 5 - 6 0 分钟 长的e e g 信号是常见的事，因此，大容量的脑电信号的存储是脑电数据库必然面 临的问题。因此，e e g 信号的数据压缩具有重大的现实意义。实测得到的e e g 数 据长约1 6 0 秒，采样率为2 5 6 h z ，4 通道。测得的e e g 信号利用a r 模型分段拟 4 1 绪论 会，每段袋样点数为1 0 2 4 点，a r 的黔数p = 1 5 ，采用l e v i s o n d u r b i n 递推算法。 从而把1 0 2 4 点数据压缩为1 6 个系数b ：，口”盯2 ，q ，基p + 1 个系数】与预测误麓陋1 。 3 ) 双灌分橱 功率谱分析可以有效地反映信号的二阶信息，却丢失了包括相位信息在内的 高阶信怠，丽这鍪信惠辩e e g 信号分析有时蔑得徽有意义。双谱密度涵数定义为： 哎b ，) = i ；e 瓴，f 2 叫h 1 + ” 一窿蔓蛾，毡石 ( 1 - 2 ) e 0 。，r ：) = e 皿( f ) 一m ，】瞳( f + f 1 ) 一州；】防( f 十r ：) 一帆b 为平稳随机过程面) 的_ 三阶 中心矩。m 。是囊静稳傻。 双谱黼数只奴含了信号的相位信息，傻未给出相位傣息。对于嵩骺随机凳布 而言，双谱作为随机信哿偏离商斯分布的一个测度，经过对实际e e g 数据检验表 明，不固功2 状态下的e e g 对褰簸分蠢懿镳离度蠢较大菱烈。翔零l 用a r 模型进 行双谱分析。应用三阶递归( t o r ) 方法估计双谱，分析局灶性缺血脑损伤e e g 静特征，胃戳看翔损经戮域静e e g 礅谱的分布发垒交纯，在损伤酶不满阶段，损 伤区域与j 损伤区域的双谱最大值以及加权双谱中心( w c o b ) 有明馒不同的变 纯朝。秘焉竣谱分析正常入与精神病戆者的脑电信碍【勤，阿以看猁正常入的脑电信 号具有如下特点；无论膝功能处于何秘状态，e b g 都表现出明显的嚣裹斯特性， 存在着不同程度的2 次相位耦合现象。不同生瑷状态下的脑电信号，有些功率 谱缀耀经，但双落缝构帮出现暖显差努。在安裤溺器扶态，弦电中盘波段，罄分口 波与疗波存在2 次相位耦合，声波段的高阶自相关性几乎不存在。大脑处于积极思 维狡态，戳谱箍簧分毒凡乎集中在g 波段懿9 5 h z 分量，谣盈远远大予其氇菰态下 在该频率处的峰德。在睁闭眼的脑电信号的分析中，双谱结构出现明显的瑾波离阶 稻关性阻断现象。而对两例经医生诊断患有精神分裂症的患者的脑电进行双谱分 析，可以餐到e e g 信号的双谱谱峰里分散状态，如现了广泛的2 次攘位藕食，q 嚣 象，在高频段亦黛现“2 次相位耦合”。 双谱分撰要求售号至少三除平稳，困憩对短数据e e g 售号方有意义。 2 时域分析 矗接瓢嚣孛蠛撬取特征是鬣犟发震起来静方法，因为它壹观靛强，物理意义比 较明确，因此仍有不少脑电图医生或技师使用。过去的e e g 分析主要靠肉眼双察， 这胃蔽看体是入工时域分析。 时域羚折主鬻用来嶷接提取波形犍征，如过零截点分橱、嶷方匿分据、方差 分祈、相关分析、峰值梭测及波形参数分析、相干平均、波形识别等等。 3 。对频分凝 脑电储号是一种时变的、a # 平稳信号，不同时刻有不同的频率成分，而单纯 5 重鏖奎堂堕主堂堡堡奎 一一一 的时、频分析方法通过傅氏变换联系起来，它们的截然分开是以信号的频率时不 变特性或统计特性平稳为前提的。但由于时域和频域分辨率的“不确定性原理”，不 可能在时域和频域同时获得较高的分辨率。而且在e e g 中有许多病变都是以瞬态 形式表现的，只有把时间和频率结合起来进行处理，才能取得更好的结果。可以 说信号的时频表示法为脑电信号处理提供了非常好的前景。目前理论上应用的较 为广泛的方法有w i g n e r 分布( w d ) 和小波变换，匹配跟踪方法目前也已用于睡 眠纺锤波的分析。 1 ) 维格纳分布 w i g n e r 分布( 、d ) 是一种时频混和的信号表示法，能同时进行时域和频域 分析，并把两者结合起来，其各阶矩具有明确的物理意义。设面) 是连续时间复值 函数，则其w e ) 定义为： 取o ，) = 斜荆r - 扩埘如 ( 1 3 ) 对于时间离散而频率仍连续的w d ( d w d ) ，定义为： d ，o ，国) = 2 如+ 珊) 寂i 而) e - 业”1 一等，；l ( 1 4 ) ml厶j 从( 1 4 ) 式可见，d w d 中国的周期是7 而不是2 石，因此为了避免频率混迭，而 将采样率提高一倍，即采样率为信号最大频率的4 倍。 由于实际进行信号处理时数据总是有限长，而且被处理数据随时间推移而移 动，这相当于加窗处理，从而引入时间离散的伪维格纳分布： 皿o ，甸= 2 小+ m ) 司再磊习嘶】2 e 2 ” l 一号，吾l ( 1 5 ) 而对时间、频率均离散化的伪维格纳分布是： 乜0 ，曲= 2 而+ m ) ；f 二习矽( m ) 2 e 1 丽“ k = o ，1 ，2 m 一1 ( 1 6 ) w d 具有极高的时频分辨率及许多优良的特性，如对称性、时移性、频移性或频域 压扩特性、组合性、复共轭关系、可逆性、归一性等等。因此通过对信号进行w i g n e r 分析，不但可求出信号的时间、频率两域分布图，还可以求出信号的频率变化情 况，从而能更好地对脑电信号进行分类、判别。但是由于w i g n e r 分布不是线性处 理，会产生一个多余的交叉项，这个多余成分对信号处理的有用成分构成了难以 克服的干扰，从而影响了w i g n e r 分布的实际应用与推广。若将时频两轴做卷积平 滑和模糊函数法相结合，将e e g 的w i g n e r 分布信号项与交叉项分离，然后滤除交 叉项，留下信号项，则可以获得较好的效果i9 1 。其中模糊函数定义为： 以皓，r ) = f 文r + 三 dr 一三户伸出 ( ，) 1 绪论 可以证明它与w i g n e g 分布是互为= 维傅立叶燮换对 1 0 l 。 翁小波变换 小波变换因为其有( i ) 多分辨率( 多尺度) ( 2 ) 品斌因数，即福潞带宽( 中 心频率岛带宽之比) 懒定：( 3 ) 邋当地选择基本小波，可使小波在时、频两域都 其有表援稳号局部特 蒌的戆力。警使震较枣尺度对，对辘上骥察范重小，露在频 蠛主穗当予焉较商籁攀镀分辨辜较麓豹分褥，鞠霜离颓枣液徼缩致霾察；海燕蔫 较大尺艘时，时轴上观察范围犬，而在频域上相当于用低频小波作概貌观察。因 此小波燮换被誉为“数学显微镜”。 镶垮谁豹枣渡变换戆定爻兔； 喊。一= 去o ) 一呼) d r = a矗参。咖( t 一三a 田 c - 二口之 ， 在枣浚燮换( 龋) 孛，黯售号的分橱是透过母小波委数螗j 采完成静。该函数在 对域中燮换戳选择将被分辑蘸信号部分。被选撵酌信号帮分然后通过一个尺度参 数a 进行伸缩，对颡举而言也是相似的。对于较小的尺度a ，小波是原始惯母的窄 函数，大致对应于意娥帮分。对于较大的尺度a ，小渡被扩展l 露对应于低频部努。 在鞭中，对离菝成分靛势撰毽鼹了毖纛颏或给更羲锐魏黠阍努瓣搴，这是我霭 所希望得到的属性，对于分析像e e g 的棘波那样的快速瞬时波形，这一特性更为 有效。现在常用小波变换中的多尺度分析方法米分析e e g 储号检测中的异常波， 懿e e g 申鼹辣渡、爨幔复台渡等鳓，敦及诱笈毽像( 醴) 的键驳嘲。该方法戆霞 点惩群健在不知道刺激获生静确切时麴豹情况下也可强检测剩e p 信号。 3 ) 鼹配跟踪( m a t c h i n gp u r s u i t ) 方法 践黼跟踪方法是种重复鲶、搂线性方法。它把信号分瓣为扶一个咒余的垂 鼗集孛选撵楚基波戆线性扩展( e x p a n s i o n ) 。蓄巍，选择与痞号厂最佳篷酝豹基波， 然后柱尉续的每一步骤中基波g 。被匹配到残余信号r ”，中，它是减去前次嚣复的 结果后剩下的值： l 辩f ：只 ，、 霄4 f = 置”f , g “) g h + 露“4 f ( 1 9 ) l 觊。a r g m a x 6 。陋“f ，g hl 在霉一步孛，霆“，辩g 熬正交链意睐着爱薰孝瞧( e n e r g y c o n s e r v a t i o n ) ； w = 甏陋f ，g r 。) i + p ：1 1 2 ( 1 1 0 ) 始巢这个蘧数集是毙餐鳃，曩| | 该方法壤敛子厂，辩 7 ，：妻( 殿4 ，巩涫h 在式( 1 。1 1 ) 中，鸯曩进新逸融频基的w i g n e r 分寿，可以褥至g 一个信号篷量翦对颡 分布。售号裁整的菇分辨攀辩叛表示冒蔽逶过辩愚类嶷换 c 以动= 嘉j 七一：r ) 七+ 三r 弘魄小吖吖f 州函咖赢煅构成，它们都是从二次 w i g n e r 变换溅生出来戆，二次w i g n e r 变换表示麴式( 1 3 ) 嚣示，这里恕它重霹 成下面的形式： v c s ( t , o , ) = 坍+ 兰比一三卜咖 ( 1 他) 潮趱( 1 。1 1 ) 鞫( 1 1 2 ) 塞羧计算w i g n e r 分毒，骏褥鬟： w f ：宝r ”f ，g ，。) 1 2 赡 + 宝妻仁“f ，g 。) ( 矛了i i ) 舻k 。，g y ；l 协喾n ) ( 1 1 3 ) 等式( 1 1 3 ) 农逮两瑗的鞠，包括在式( 1 1 1 ) 中给蹴缒扩张的不嗣对频基的交叉 w i g n e r 分布，对应豹交叉顶( c r o s s t e r m s ) 通常在w i g n e r 分布审表示。为了程时 频面中获得能爨分布的清晰图形，通常隳想法除去邀魑交叉项。赢接从式( 1 1 3 ) 中移去这些交叉项仅保存第一项和，定义点矿( f ，国) ： 固舷搿) = 弦六g 。矿豫靠酝搿 ( 1 1 4 ) 单个时频基肌的w i g n e r 分布满足： j = 豫，扛，掰獬渤= 蚓卜l ( 1 ，1 5 ) 绝式( 1 1 5 ) 氍( 1 1 1 ) 褥结合，褥蓟； 脚，黼灿= 岍 ( 1 1 6 ) 具有g a b o r 塑数对频撵的匹配鼹黥方法是一裁转拳有效的用参数表示 平繇 信号的方法。在e e g 信弩分析中已有戴这种方法嗣予分析睡目茜镑锤波和幔波的应 用。它与其落时频分析方法不同的是：它不仅可以虢得很高的时频分辨率而且可 以对所有信母用参数表示，且没有如w i g n e r 分布的交叉项。 4 天王襻经两络( a n n ) 分凝 神经网络是由大量处躞单元广泛黧连而成的网络。它反映了人脑功能的慕零 特性，是人脑的某种抽氟、简化与模拟。网络的信息处理由神经冗之间的相甄作 用来实瑰；躲识与蓿患豹嚣赭表现受瞬络元终互连蠲分毒式静物联联系；网终瓣 臻习和识别浃定子各享牵经笼连接权系数静动态演纯过程。 神经网络可用作自发脑电( e e g ) 分析，分析的日的是为了检测e e g 尖波和 癫痫发作，输入方式可以使用原始信号模型和特缝参数模型。目前有利用小波变 1 绻谂 换和人工神经网络相结合的方法来检测e e g 信号中的棘波和尖波成分。剃用小波 交换( w 蕈) 怼墓予a n n 懿e e g 瓣渡梭溅系统戆输入连纾联处理，簸嚣程不减少 信号的信息内容和降低检测性能的前提下减少a n n 的输入规模。 5 线性动力学分析 近盎簪来，随着嚣线性动力学的发震，越采越多的证摇激隳大脑是一个# 线性 动力学系绫，蘑电倍弩可潋看律怒它静输出。困魏入翻尝试把菲线往动力学的一 些方法，如分维数、l o r e n z 散点圈、iy a p l m o v 指数、复杂度等用于脑电信号分析， 以期获褥对大脑的新的认识。 瑟懿售号豹l o r e n z 教熹霾是撵戳麓电癌号穰罄瑟采撵熹豹蘸一点篷舞横坐标， 后一点假为纵坐标绘制而成的圈。资料表明，癫痫病人脑电信号相邻采样点的值 较为接j 垃且整段脑电信号的值的分布范围较大，而正常人脑电信号的l o r e n z 散点 图中的点大多分布农一个范围较，l 、豹蠛匿形区域。 鞫燕维数是传绞意义上维数瀚推广，可戳糯来搐述系统的自由度。邋过对正 常人和癫瘸病患者的脑电信号、满醒和睡眠时的脑电信号的相关维数分= 昕，可以 看到清醒时的相关缎数较大，而随着睡眠深度的增加，相关维数有所下降；正常 久藏毫缤号戆攘关缳羧貉裹予褰瘸瘸天薤电蘩鸶豹辐关缝数。 对癞痫病人发瘸前和发病时的复杂度分析袭踞，癫痫瘸人发病前脑电的复杂 度高子发病时的复杂庹。而对脑电信号的i 驴p 1 ，n o v 指数的计簿表明脑电倍号具有 混沌特缀。 拐步研究表鞠，脑电动力学特性表现出缀强豹科学经和斑用价值，它从物理 学思想出发，提供了常规分析方法所无法得到的信息，具有不受特殊点影响和可 重复性的优点。 1 3 课题的研究意义 生物医学工程作为- - f 7 新兴学科已经存在：并发展了很长一段时间，对其内 涵，人们魏理解不尽耀圈。1 9 9 5 冬英国斡j o s e p hd ，b r o n z i n o 对生物医学王疆懿 定义哪为“生耪医学工程应惩电学、枫槭学、健学、光学及其德工程原理去理解， 改变或挫制生物( 即人类与动物) 系统，同时去设计与制造备种产品，这贱产品 能用来般察系统的备釉生理功能并有助于对患糟的诊断与治疗”。到目前为止， 生黪婆攀工程在缀多矮蠛蘩取褥了装是戆发震，鲡生懿医学系统戆建搂羁控嗣、 生物医辫传感器与擞物医学测量仪器的设计和制造、对生物蹶学检测数据的分析 和处理、各种用于治疗和康复的医疗器械、医学成像、生物芯片等专业领域。在 生物嚣学互程的这些专韭领域中，穗趣思索，我 f j 蘸会发觋任 露一个镶域戆发震， 都涉及蒯了生秘蘧攀信号测量与较铡以及生物隰学信号分析和处理这样一个基 9 重庆大学博士学位论文 本环节。因此，在现代生物医学工程领域中，这一基本环节具有取足轻重的意义 【1 9 l 【2 0 】。 再者，随着2 0 世纪后期，微电子技术、计算机技术、信号检测技术、现代 信号处理技术、虚拟现实技术等高新技术取得的突破性进展和成就，在工程实践 中获得了广泛的应用并取得了显著的效果。事实表明，这些高新技术正切切实实 地改变人们的生活，推动社会进步。特别是近年来，虚拟测试技术的发展并向各 个领域的渗透，更是掀起了一场仪器革命。不可阻挡的是，这些高新技术也渗透 到了生物医学仪器领域。它们正在成为或终将成为生物医学仪器技术发生重大变 革的原动力。顺应这一发展趋势，作者以脑电信号的检测、分析及特征信息的提 取为研究对象，以期在研究将虚拟技术与生物医学相结合中的科学机理的基础 上，推出不同于传统医学检测仪器的新一代虚拟式生物医学仪器，促使生物医学 仪器进入一个新的阶段。 生物医学虚拟仪器是医疗仪器技术和计算机技术完美结合的一种全新的技 术，用虚拟现实技术的原理，不仅可以保持传统医疗仪器的优点，而且把现代信 号处理技术的最新成果时频分析技术引入生物医学仪器领域，为生物医学工 程提供更高层次的基础研究、临床应用研究、诊断与治疗手段；为临床监护、诊 断与治疗提供更加客观的依据；为探索与研究人体奥秘提供科学的方法。可以预 见，这项研究定会成为生物医学工程研究中具有深远意义的领域。 生物医学仪器作为生物医学工程的重要组成部分，一直受到人们的重视。随着 微电子技术、计算机技术的不断发展，许多生物医学仪器也应运而生。世界上许 多大公司纷纷投入人力、物力和财力从事生物医学仪器的研制。根据中国医疗 器械杂志介绍：近几年来外国公司和企业获得我国医疗器械准入证多家，国内 也有多家公司和研究机构在从事这方面的研制工作。如意大利的r e m c oi t a l 队 s p a 公司，日本的株式会社，瑞士s c h i l l e r a g 公司，瑞典的s i e m e n s 公司，日本 的n e c ，英国o x f o r di n s t r u m e n t sm e d i a ls y s t e md i v i s i o n 公司，中国的百胜有限公 司，北京新拓仪器研究所，广州三瑞医疗器械有限公司，深圳的中健公司，成都 的恒升公司等都在国内市场推出了相应的产品。 近几年来，微电子技术、计算机技术、现代信号处理技术和虚拟仪器技术 等高新技术获得了突破性成就，类似于虚拟仪器的生物医学仪器已经出现，国内 如湖南益灵新技术有限公司生产的s z n d i ib 型数字脑电图仪，可以适时采集并 存储脑电数据，显示脑电波形；可以对所采集的数据进行高低频滤波；对数据进 行频谱分析、相关分析等；可以连续动态观察；按频段给出脑电波形能谱图。但 是这些仪器还没有构成完全意义上的虚拟式生物医学仪器，在分析功能上也没有 用到小波分析、匹配跟踪、多分辨率时频分析等复杂、精确的最新的信号时频分 l o 1 绪论 板方法。除此之步 这些产品敬俊摄提慰昂贵。 从仪器的角度看，国外和国内在基于虚拟仪器技术的生物医学仪器方面的研 究右裂尉越步，艨磅究戆产品逐不能说是奏歪意义上戆莰器，瓢禁耱意义上诞， 更像是一种分析软件。并且在：i 垃几年发展起来的适用于如脑电信母这样的