（电路与系统专业论文）脑电（EEG）信号灰色处理方法的研究[电路与系统专业优秀论文].pdf

西北工业人学硕士学位论文摘要 摘要 脑电图( e l e c t r o e n c e p h a l o g r a m ，e e g ) 是脑神经细胞的电生理活动在大脑皮层 或头皮表面表现出的电现象。一般来说，脑电变化可分为两类：即诱发电位响应 和自发电活动。研究表明，脑电信号具有背景噪声强信号幅度微弱、非平稳性和 随机性强、频域特征比较突出等特点。因此，脑电信号的分析与处理仍然是一项 非常具有挑战性的课题。 灰色系统理论( g r e ys y s t e mt h e o r y ) 是由我国学者邓聚龙教授于1 9 8 2 年在国 际上首先提出的。对于非典型规律的信号( 如非平稳、非高斯分布、非白噪声1 ， 灰色方法与其它的一些按统计规律和先验规律来处理数据的方法相比，具有明显 的优势。 本文在初步分析了脑电信号处理方法以及灰色系统理论的基础上，考虑到脑 电信号的非平稳性和随机性强、频域特征比较突出，结合灰建模对于建模数据无 特殊性要求等特点，提出了脑电信号分析与处理的一种新方法将灰建模理论 应用于自发脑电特征的提取中。同时对于采用灰建模方法提取的脑电特征，采用 机器学习理论中基于实例的k 。近邻算法对实测脑电信号进行了分类识别。研究 结果表明，在脑电信号处理中使用灰建模方法提取脑电特征并采用k 近邻算法 进行分类决策，在理沦上是可行的、有效的。同时该方法也为进一步的脑功能模 式识别研究提供了良好的理论基础。本文主要完成了以下工作： ( 1 ) 脑电信号的灰色g m ( 1 ，1 ) 建模； ( 2 ) 模型参数估计及脑电特征提取； ( 3 ) 分析比较两种状态，即睁眼和闭眼时脑电特征参数a ，b 的不同，并给出 比较结果； ( 4 ) 采用基于实例的k 一近邻算法对末知脑电信号( 睁眼和闭眼) 模式进行分类 决策，并给出在选取不同参数时算法的分类性能以及改进方法。 本文在m a t l a b 环境下实现了所有的分析处理工作。研究结果表明，本文 提出的方法是可行有效的。 关键词：脑电图；g m ( 1 ，1 ) 建模；特征提取；模式识别；k 近邻算法 本文工作得到国家自然科学基金0 0 4 7 0 4 5 9 ) 资助。 i 西北工业大学硕士学位论文摘要 r e s e a r c h o ft h e e e gg r e yp r o c e s s i n gm e t h o d s a b s t r a c t e l e c t r o e n c e p h a l o g r a m ( e e g ) i se l e c t r i c a lp h e n o m e n o nr e p r e s e n t e df r o mp a l l i u m o rs c a l ps u r f a c eo ft h ee l e c t r i c a la c t i v i t i e sa b o u tb r a i nn e r v ec e l l i ng e n e r a l ，e e g c o u l db ed i v i d e di n t ot w ot y p e s ，e v o k e dp o t e n t i a l sa n ds p o n t a n e o u se e g m a n y r e s e a r c h e ss h o wt h a te e gi sc h a r a c t e r i s t i co fs t r o n g e rb a c k g r o u n dn o i s ea n df a i n t e r s i g n a l sa m p l i t u d e ，h i g h e rn o n - s t e a d ya n dr a n d o m i c i 吼r e l a t i v e l yp r o m i n e n c eo f f r e q u e n c yc h a r a c t e r ，e ta t t h e r e f o r e ，t h ea n a l y s i sa n dp r o c e s s i n go ft h ee e gi ss t i l la v e r yc h a l l e n g es u b j e c t g r e ys y s t e mt h e o r y ( g s t ) i sc r e a t e db yc h i n e s es c h o l a rp r o f e s s o rd e n gj u l o n g i n19 8 2 f o rn o nc l a s s i cr e g u l a r i t ys i g n a l ss u c ha sn o n s t e a d y , n o n - g a u s s i a na n d n o n - w h i t en o i s e ，g s th a st h eo b v i o u sa d v a n t a g e st h a no t h e rp r o c e s s i n gm e t h o d s a c c o r d i n gt os t a t i s t i c a la n dt r a n s c e n d e n tr e g u l a r i t i e s i nt h i sp a p e r ，i nt h eb a s i so fa n a l y z i n gt h ep r o c e s s i n gm e t h o d so ft h ee e ga n d g s t , m e a n w h i l e ，c o n s i d e r i n gt h a th i g h e rn o n s t e a d ya n dr a n d o m i c i t y , o b v i o u s f r e q u e n c yc h a r a c t e r , a n dt h a tf o rt h em o d e l i n gd a t ag r e ym o d e l i n gh a sn o ts p e c i f i c d e m a n d s ，an o v e lm e t h o di sp u tf o r w a r df o rt h ea n a l y s i sa n dp r o c e s s i n go ft h ee e g s i g n a l s ，i e ，t h et h e o r yo fg r e ym o d e l i n gi su s e di n t ot h ef e a t u r ee x t r a c t i o no ft h e s p o n t a n e o u se e g a tt h es a m et i m e ，u s i n gt h ee e gf e a t u r e sf r o mg r e ym o d e l i n g a p p r o a c h t h ec l a s s i f i c a t i o no ft h er e c o g n i z e de e gs i g n a l sa r ep e r f o r m e db yt h e 一 n e a r e s tn e i g h b o r ( 七一n n ) a l g o r i t h mf r o mi n s t a n c e b a s e dl e a r n i n gm e t h o d ( i b l ) ， t h er e s u l t so ft h er e s e a r c hs h o wt h a ti nt h ep r o c e s s i n go ft h ee e gs i g n a l s ，i ti s a p p l i c a b l ea n da v a i l a b l eb yu s i n gg r e ym o d e l i n gm e t h o dt op e r f o r m f e a t u r ee x t r a c t i o n a n dm a k i n gc l a s s i f i c a t i o na c c o r d i n gt ok - n na l g o r i t h m m e a n w h i l e ，t h i sm e t h o d a l s op r o v i d e sw e l lt h e o r yf o u n d a t i o nf o rf u r t h e rr e s e a r c ho ft h ep a t t e r nr e c o g n i t i o no f t h ee e g s p e c i f i c a l l y , i nt h i sp a p e gt h ef o l l o w i n gw o r ki sp e r f o r m e d ： ( 1 ) m o d e l i n gg m ( 1 ，1 ) f o re e gs i g n a l s ( 2 ) p a r a m e t e r se s t i m a t i o no f t h em o d e la n de e gf e a t u r ee x t r a c t i o n t h i sr e s e a r c hi ss u p p o r t e db yn a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no f c h i n a ( 3 0 4 7 0 4 5 9 ) i i i 西北工业大学硕士学位论文摘要 ( 3 ) f e a t u r ep a r a m e t e r sa ，b f o rt w os t a t e s ( e y e s o p e na n de y e s - c l o s e d ) a r e a n a l y z e da n dc o m p a r e da n dt h ec o m p a r i n gr e s u l t sa r eg i v e n ( 4 ) t h ec l a s s i f i c a t i o no fu n k n o w ne e gp a t t e r n s ( e y e s - o p e na n de y e s - c l o s e d ) i s p e r f o r m e db yu s i n gk - n na l g o r i t h mf r o mi n s t a n c e b a s e dl e a r n i n gm e t h o d sa n dt h e c l a s s i f i c a t i o np e r f o r m a n c eo ft h ea l g o r i t h mu n d e rt h ed i f f e r e n tp a r a m e t e r sa n d i m p r o v i n gm e t h o d sa r ep r e s e n t e d t h ew h o l ea n a l y s i sw o r ki sc o m p l e t e du n d e rt h em a t l a be n v i r o n m e n t t h e e v e n t u a lr e s u l t so ft h er e s e a r c hs h o wt h a tt h em e t h o dp r o p o s e di nt h e p a p e ri s a p p l i c a b l ea n da v a i l a b l e k e y w o r d s ：s p o n t a n e o u se e g ；m o d e l i n gg m ( 1 ，1 ) ；f e a t u r ee x t r a c t i o n ；p a r e m r e c o g n i t i o n ；k - n e a r e s tn e i g h b o ra l g o r i t h m 两北工业大学硕士学位论文第一章绪论 1 1 课题背景及意义 第一章绪论 脑电信号是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映，脑 电图是通过仪器把脑细胞的电活动记录在纸上而形成的。通常，脑电变化分为两 类：即诱发电位响应和自发电活动。人为地对感觉器官施加刺激( 光的、声的或 电的) ，研究它引起的脑电位变化，称为诱发电位响应( e v o k e dp o t e n t i a l s ，e p ) ，或 称为事件相关电位( e v e n tr e l a t e dp o t e n t i a l s ，e r p ) 。而在没有特定的外加刺激时， 神经系统本身自发产生的电位变化，称为自发电活动。目前，在l 临床医学诊断中， 脑电图检查已经成为一种重要的辅助手段。临床实践表明，脑电信号中包含有大 量的生理与疾病信息。对脑电信号进行行之有效的处理，不仅可以为医生提供临 床诊断信息，而且可以为某些脑疾病提供有效的治疗手段。例如，医生可根据脑 电图来判断大脑细胞的功能状态是否正常，以此用于各种神经系统疾病的诊断、 病情监测、疗效观察等方面，如癫痫、头痛、脑肿瘤、中枢神经系统感染，脑发 育状况评价等。尤其对于癫痫，脑电图是对它做出正确诊断的重要依据0 - 3 1 。 一般来说，脑电信号具有背景噪声强信号幅度微弱、非平稳性和随机性强、 频域特征比较突出等特点。目前，随着电子计算机的飞速发展以及各种信号处理 技术的出现，使得脑电信号处理已经从手工转向自动，由定性转向定量。在脑电 信号分析和处理的实际应用中相继引入了时域、频域等信号分析方法。脑电信号 的时域分析方法对时域中的脑电信号波形特征参数进行识别，如幅值、波形的持 续时间等，但仅给出了信号在时间上的分辨率，而没有考虑信号在频率上的分辨 率；频域分析方法是建立在假设脑电信号具有平稳特性的基础上，同时也只考虑 了信号的频域信息，而忽略了信号在时间上的分辨率。但是，研究表明，脑电信 号是非平稳的随机信号。因此脑电信号的频域分析方法有其固有的缺陷。同时， 不论是时域分析方法还是频域分析方法，都没有考虑到脑电信号的时变特性，因 此，由此所得到的特征参数也就不可能充分反映脑电信号中所包含的生理和疾病 信息。2 0 世纪8 0 年代发展起来的时频分析方法是一类在非平稳信号分析领域占 有非常重要地位的信号分析方法。由于脑电信号的菲平稳性很强，因此小波变换 西北上业大学硕十学位论文 第一章绪论 等时频分析方法在脑电信号处理领域受到了广泛的重视。目前，脑电信号的时频 分析研究己取得了很多有价值的研究成果，并形成了非常明确的研究方向【4 5 1 0 灰色系统理论( 简称灰理论或灰论，g r e ys y s t e mt h e o r y ) 垆“1 是由我国学者华 中科技大学邓聚龙教授在国际上首先提出的。该理论是一种研究少数据不确定性 问题的新方法。1 9 8 2 年，北荷兰出版公司出版的系统与控制通讯( s y s t e m & c o n t r o ll e t t e r s ) 杂志刊载了邓聚龙教授的第一篇灰色系统论文“灰色系统的控制 问题”( t h ec o n t r o lp r o b l e m so f g r e ys y s t e m s ) ；同年，华中工学院学报刊载了 邓聚龙教授的第一篇中文灰色系统论文“灰色控制系统”。这两篇开创性论文的 公开发表，标志着灰色系统理论这一新兴学科的问世。 灰色系统理论以“部分信息已知，部分信息未知”的“小样本”、“贫信息” 不确定性系统为研究对象，主要通过“部分”已知信息的生成、开发，提取有价 值的信息，实现对系统运行行为、演化规律的正确描述和有效控制。 灰色系统理论根据对客观系统所了解的信息量的多少，将客观系统分为：信 息完全已知的系统白色系统、信息完全未知的系统黑色系统，以及信息 部分已知、部分未知的系统灰色系统。对灰色系统研究的主要目的在于对灰 色系统进行建模，也就是根据已知信息建立灰色系统的数学模型，称为灰色模型 ( g r e ym o d e l ) ，从而预测灰色系统的未知信息。灰色系统理论把任何随机过程都 看作在一定时空区域中变化的灰色过程，而随机变量则被看作为灰色量。灰色量 所表现的无规律的离散时空数列是潜在的规律性的表现。在处理技术上，灰色过 程是通过对原始数据的整理来寻找数据的规律，而其他的一些处理方法则是按统 计规律和先验规律来处理数据。按统计规律和先验规律处理数据的方法是建立在 大样本量的基础上，而且要求数据先验规律是典型规律，而对于非典型规律( 如 非平稳、非高斯分布、非白噪声) ，则是难以处理的。而灰色过程却没有这些限 制，灰色模型通常只需较少的数据就可以建模，而且不必知道原始数据所具有的 特征。 灰色系统理论经过2 0 多年的发展，现己基本建立起一门新兴学科的结构体 系。其主要内容包括【8 】以灰色代数系统、灰色方程、灰色矩阵等为基础的理论体 系，以狄色序列生成为基础的方法体系，以灰色关联空间为依托的分析体系，以 灰色模型( g m ) 为核心的模型体系，以系统分析、评估、建模、预测、决策、控 制、优化为主体的技术体系。具体来说，包括以下内容： ( 1 ) 灰色代数系统、灰色矩阵、灰色方程等是灰色系统理论的基础，从学科 体系自身的优美、完善出发，不过仍有许多问题值得进一步深入研究。 ( 2 ) 灰色序列生成主要包括缓冲算子( 弱化算子、强化算子) 、均值生成算子、 西北f 业大学硕士学位论文第一章绪论 级比生成算予、累加生成算子和累减生成算子等。 ( 3 ) 灰色系统分析除灰色关联分析外，还包括灰色聚类和灰色统计评估等方 面的内容。 ( 4 ) 灰色模型按照五步建模思想构建，通过灰色生成或序列算子的作用弱化 随机性，挖掘潜在的规律，经过差分方程与微分方程之间的互换实现了利用离散 的数据序列建立连续的动态微分方程的新飞跃。 ( 5 ) 灰色预测是基于g m 模型做出的定量预测，按照其功能和特征可分成数 列预测、区问预测、灾变预测、季节灾变预测、波形预测和系统预测等几种类型。 ( 6 ) 灰色组合模型包括灰色经济计量学模型( g e ) 、灰色生产函数模型 ( g c d ) 、灰色马尔可夫模型( g m ) 、灰色时序组合模型等。 ( 7 ) 灰色决策包括灰靶决策、灰色关联决策、灰色统计、聚类决策、灰色局 势决策和灰色层次决策等。 ( 8 ) 灰色优化技术包括灰色线性规划、灰色非线性规划、灰色整数规划和灰 色动态规划等。 ( 9 ) 灰色投入产出则是以灰色投入产出优化模型为核心的方法体系。 ( 1 0 ) 灰色博弈模型包括基于纯策略的灰矩阵博弈模型和基于混合策略的灰 矩阵博弈模型等。 ( 1 1 ) 灰色控制的主要内容包括本征性灰色系统的控制问题和以灰色系统方 法为主构成的控制，如灰色关联控制和g m ( 1 ，1 ) 预测控制等。 到目前为止，灰色系统理论已广泛的应用于工业控制、经济预测、产量预测 等硬科学领域和软科学领域，成为这些领域预测、决策、分析的有效工具2 1 。 1 2 论文主要工作及内容 考虑到脑电信号的非平稳性和随机性强、频域特征比较突出，结合灰建模对 于建模数据无特殊性要求等特点，本文首次将灰建模理论应用于脑电信号的分析 处理中。在本文中，我们以脑电信号为研究对象，以灰色系统理论为依据，以灰 建模的方法为手段，对正常人在睁眼和闭眼情况下的脑电信号进行了分析，建立 大脑e e g 数据灰色模型，为人脑功能识别或疾病诊断提供了理论基础。 本文尝试并探索了一种用于脑电信号分析与处理的新方法，即将灰色系统理 论中灰建模的方法和机器学习理论中基于实例的k 近邻算法引入到自发脑电的 特征提取与分类决策中。在实验中，我们分别建立了5 名受试者在睁眼和闭眼状 态下5 导联的o m ( 1 ，1 ) 模型，估计了模型参数。然后在分析模型参数分布的基础 1 西北工业人学硕士学位论文 第一章绪论 上，以计算得到的模型参数值口，b 作为自发脑电特征，分析比较了在睁眼和闭眼 状态下脑电特征参数的不同。最后采用基于实例的学习方法对未知脑电信号( 睁 眼和闭眼) 进行了分类决策，并给出了在选取不同参数时算法的分类性能。具体 来说，本文主要包括以下内容： ( 1 ) 脑电信号的灰色g m ( 1 ，1 ) 建模。灰建模是少数据( 允许少数据) 的建模， 其目的是在数据有限( 即有限序列) 的条件下，模仿微分方程建立具有部分微分方 程性质的模型。在这一部分中，主要完成了以下工作：原始脑电信号的分析、脑 电数据的预处理( 包括数据平移、级比检验与模型可行性判断、数据变换处理1 以 及g m ( 1 ，1 ) 建模。 ( 2 ) 模型参数估计及脑电特征提取。根据灰色系统理论的相关知识，对所建 立的脑电信号的g m ( 1 ，1 ) 模型参数进行估计，在分析参数分布的基础上，将计算 得到的模型参数口，b 作为自发脑电特征。 ( 3 ) 分析比较两种状态，即睁眼和闭眼时脑电特征参数口，b 的不同，并给出 比较结果，为进一步分类决策的方法选择提供理论依据。 ( 4 ) 采用基于实例的k 近邻算法对未知脑电信号( 睁眼和闭眼) 模式进行分类 决策，即区分出是睁眼或是闭眼状态，并给出在选取不同参数时算法的分类性能 以及改进方法。 1 3 论文结构 本文主要分为两个部分，第一部分主要讲述脑电信号的特点、脑电信号的 g m ( 1 ，1 ) 建模及脑电特征参数的提取；第二部分讲述采用基于实例的k 近邻算法 对未知脑电( 睁眼和闭眼) 模式进行分类决策。全文共分为五章。第一章是绪论， 阐述了本文的课题背景以及论文工作；第二章讲述了脑电( e e o ) 信号及其当前的 主要分析方法；第三章详细阐述了灰建模理论，建立了脑电信号的g m ( 1 ，1 1 模型 并对模型参数进行估计，同时完成了脑电特征参数的提取；第四章讲述采用基于 实例的k 近邻算法对未知脑电信号( 睁眼和闭眼) 模式进行分类决策，并给出了选 取不同参数时k 近邻算法的分类性能，提出了改进方法；第五章是全文总结及 今后工作展望；最后是结束语、参考文献及致谢。 西北丁业大学硕士学位论文第二章脑电信号及分析方法 第二章脑电信号及分析方法 2 1 脑电信号概述 2 1 1 脑电的研究历史 大脑是支配人的思维和控制情绪的最高中枢。但是在脑电现象被发现以前， 人们没有办法客观地记录时刻变化的脑机能状态。1 7 9 1 年，l ，g l v a ni 发现当肌 肉收缩时将有电流的发生以后，人们开始认识到大脑在活动时亦可能同样产生电 变化。首先在动物的大脑记录出电活动的是英国的r g a t o n ( 1 8 7 5 ) 。此后，世界 各国的很多学者对脑电现象问题进行了研究。这些研究工作包括脑电现象的动物 实验研究、脑电信号的测量方法、脑电信号的放大和记录设备的研制以及脑电在 临床医学中的应用等诸多方面。 在脑电研究中，具有里程碑意义的工作是英国耶那( j e n a ) 大学的精神科教授 h a n sb e r g e r 于1 9 2 9 年完成的。他的工作开始于1 9 2 4 年2 月4 日，人们称这个 同子为人类脑电 ( e l e c t r o e n c e p h a l o g r a m ，e e g ) 的诞生日。但是，直到1 9 3 4 年， 当a d r i a n 和m a t h e w s 二氏确认了b e r g e r 的研究结果之后，人类脑电图才获得科 学界的公认。1 9 3 6 年以后，脑电图学在世界范围内发展起来，并与临床相结合， 得到了广泛的应用。 b e r g e r 教授在人体脑电测试实验中，发现了脑电信号中频率为1 0 h z 左右的 基本节律波：口波，并且观察到口波的阻断现象。在进一步的实验研究中，他还 发现了频率为1 8 2 0 h z 的另一种脑电基本节律波：波。在以后的十几年中， h a n sb e r g e r 教授一直从事脑电研究工作，先后发表了十多篇有关脑电研究的学 术论文。他研究所得的结论是： ( 1 ) 人脑具有电活动； ( 2 ) 这种电活动来自神经细胞； ( 3 ) 正常脑电波具有类似正弦波的节律，频率一般在l 6 0 h z 范围内，成 人则以l o h z 为主； 2 。1 2 脑电信号的采集 根据电极放置方式的不同，通常将脑电图分为头皮脑电图、皮层脑电图和深 部脑电图等。由于皮层脑电图和深部脑电图是带有创伤的侵入式采集，因此常规 脑电图检查采用的是头皮脑电图。头皮脑电是大脑神经电活动产生的电场经容积 导体( 由皮层、颅骨、脑膜及头皮构成) 传导后在头皮上的电位分布。脑电图的记 录通常采用脑电图仪完成。关于放置在头皮电极的数目和位置，目前国内外一般 都采用国际脑电图学会的建议，普遍采用国际标准导联1 0 - 2 0 系统电极放置法。 图2 1 所示为脑电图仪电极分布示意图。 图2 - 1 脑电图仪电极分布示意图 按照国际统一标准，电极的放置有以下几个基本原则： ( 1 ) 电极位置应根据颅骨标志的测量加以确定，测量应尽可能与头颅的大小 6 西北工业大学硕士学位论文 第二章脑电信号及分析方法 及形状成正比关系； ( 2 ) 电极的标准位置应适当地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( 如额，颞、项、枕) ，这样可使非专业 人员也能够了解； ( 4 ) 应进行解剖学研究，以确定在般人体标准电极位置下，最可能是哪个 皮层分区； ( 5 ) 国际通用阿拉伯数字：左半球为奇数，右半球为偶数，零点代表头颅中 位，a 1 和a 2 代表左右耳垂( 无关电极) 。 2 1 。3 脑电信号的分类 脑电图反映了大脑组织的电活动及大脑的功能状态，其基本特征包括周期、 振幅、相位等。关于脑电图的分类，国际上有几种不同的方法。一般来说，常用 的分类变量有：频率、电压、形态、同步性、周期性等。临床上根据脑电信号频 率、振幅的不同 3 1 将其分为以下四种： ( 1 ) j ( d e l t a ) 波：频率1 4 h z ，振幅约2 0 2 0 0 “v 。成人在清醒状态下没有 j 波，它只在睡眠时出现，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 ) 波：频率4 8 h z ，振幅约1 0 0 1 5 0 p v 。在困倦时一般即可见到。 它的出现是中枢神经系统抑制状态的表现。 ( 3 ) 口( a l p h a ) 波：频率8 1 3 h z ，振幅约2 0 1 0 0 p , v 。在枕叶及顶叶后部记 录到的口波最为显著。口波在清醒安静闭目时出现，波幅是由小变大又由大变小 的梭状模式。睁眼、思考问题或接受其他刺激时，口波消失，而出现其他快波。 这一现象称为口波的阻断。当受试者重新安静闭目时，口波又重新出现。 l 谲鼬鳓恸村螨釉国蝴 工晦t ； ll i 删删蝴融t ； i 静 小 始 小m l 驴 厂弧，a 融t i l - _ 1 | 能e ； 图2 - 2 四种典型波形的示意图 西北工业大学硕士学位论文 第二章脑电信号及分析方法 ( 4 ) f l ( b e t a ) 波：频率1 4 3 0 h z ( 其中1 4 1 9 h z 为届，2 0 3 0 1 - i z 为岛) ，振 幅为5 2 0 u v 。安静闭日时，主要在额叶出现。如果被测者睁眼视物或昕到突然 的音响或进行思考时，皮层的其他部位也出现卢波。所以波的出现一般代表大 脑皮层的兴奋。 图2 - 2 为这四种典型波形的示意图。 2 1 4 脑电信号的特点 目前脑电研究工作主要集中在两个方面，一方面是应用于临床医学的脑电研 究，己经取得了很多有实用价值的研究成果。另一方面是基于脑电信号的脑认知 科学的研究，这是一项非常有挑战性的研究领域。虽然近年来c t 、功能性核磁 共振( f m m ) 等先进的现代化设备能够较直观地揭示脑功能状态变化的情况，但是 基于脑电信号的脑认知研究并没有因此而出现停滞。相反，由于脑电信号的检测 非常方便、检测设备简单而且价廉，以及脑电信号能动态实时地反映脑功能状态 的变化等优点，使人们更加重视从脑电这信息窗口进行脑认知奥秘的探索。一 般来说，脑电信号具有以下几个特点： ( 1 ) 背景噪声强信号幅度微弱。e e g 信号的幅度一般只有5 0 9 v 左右，最大 1 0 0 9 v 。而在检测到的e e g 信号中，往往包含大量的干扰信号成分，例如心电 ( e c o ) 、眼电( e o g ) 和肌电( e m g ) 等非脑神经活动的生理电信号伪迹以及5 0 h z 工 频干扰、其他仪器设备的电磁干扰、静电干扰等。因此脑电信号分析和处理的关 键问题之一是如何有效的去除脑电信号中噪声的干扰。 ( 2 ) 非平稳性和随机性都很强。影响脑电信号的因素很多，而脑电信号的生 成机理及其规律至今也没有一个明确的认识。因此很多规律只能从统计学的角度 进行分析。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 的影响也比较敏感，这使得脑电信号表现出很强的非平稳性。因此，非平稳信号 分析方法在脑电信号处理中具有非常重要的意义。 ( 3 ) 非线性。生物组织的调节及适应机能必然影响到电生理信号具有非线性 的特点。而传统的信号处理技术基本上是建立在线性系统理论分析的基础之上。 如何减少非线性带来的误差也是脑电信号处理中值得注意的问题。 ( 4 ) 脑电信号的频域特征比较突出，因此与其他电生理信号相比较，基于谱 分析的脑电信号分析方法占有更重要的地位。 ( 5 ) 脑电信号一般都是用多导电极测得的信号，因此，在各导联信号之间必 然存在着非常重要的互信息。如何有效的揭示这些互信息，突出隐含在多导脑电 西北工业大学硕士学位论文 第二章脑电信号及分析方法 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。 2 2 脑电信号的分析处理 脑电图是脑神经活动的表现，因此它的信息含量肯定很丰富。临床脑电图的 分析大多是脑电图专家通过目测标注的方法来理解和评价e e g ，容易引起误差 和疲劳，且使得临床上多导脑电的“数据压缩”和“特征提取”一直停留在主观 处理水平上。 1 9 3 2 年，d i e t c h 首先用傅里叶变换进行了e e g 分析。此后，随着数字信号 处理技术的不断发展，借助于计算机来分析研究脑电图虽然取得了一些进展，相 继引入了时域分析、频域分析等脑电分析的经典方法，但由于缺少关于宏观脑电 活动机理的知识，脑电分析仍难以取得重大迸展。目前较公认的分析方法大多建 立在假设脑电图是准平稳信号的基础上。即：认为它可以分为若干段，每一段的 过程基本平稳，但每段上叠加瞬态。因此对e e g 的分析工作主要包括：瞬态的 检测与提取、平稳段的自动划分、对于平稳段提取特征和模式分类 3 1 。 频域分析方法主要是基于e e g 各频段功率、相干等，而时域分析方法则主 要分析e e g 波形的几何性质，如幅度、均值、方差、偏歪度、峭度等。近年来 如小波分析、神经网络分析、浑沌分析、主分量分析以及独立分量分析等在脑电 分析中的应用，代表了脑电信号现代分析方法的新进展。 ( 1 ) 时域分析 直接从时域提取特征是最早发展起来的方法，因其直观性强、物理意义较明 确，至今仍为不少脑电图工作者使用。过去的e e g 分析主要靠肉眼观察，可看 作是人工时域分析。尽管大量脑电信息从频域观察比较直观，但也有些重要信息 在时域上反映更为突山，比如反映瘾痛信息的棘慢波，反映睡眠信息的梭形波等 瞬态波形。因此时域分析在目前e e g 定量化分析中占有重要的地位。时域分析 主要是直接提取波形特征，以供进一步的分析和诊断。如直方图分析、方差分析、 相关分析、峰值检测及波形参数分析、相干平均、波形识别等等。而且近年来在 波形特征识别、模板识别及在自适应滤波等技术上均取得了不少进展。此外，利 用a r 等参数模型提取特征，也是时域分析的种重要手段，这些特征参数可用 于e e g 的分类、识别和跟踪。 f 2 ) 频域分析 功率谱估计是频域分析的主要手段。随机信号的功率谱反映它的频率成分以 及各成分的相对强弱，能从频域上揭示信号的节律，是随机信号的重要特征。对 9 西北工业大学硕士学位论文 第二章脑电信号及分析方法 脑电信号进行功率谱估计的意义在于把幅度随时间变化的脑电信号变换为脑电 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化情况。 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 用有限长度数据来估计。其主要有两条途径：1 ) 先估计相关函数，再由傅氏变换 得到功率谱估计；2 ) 把功率谱和信号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甚 剧，数据越长越严重口j 。 为了避免经典谱估计存在的缺点，近年来发展了各种现代谱估计技术，参数 模型法是其中应用最为广泛的一种方法。存e e g 信号处理中应用较为普遍。参 数模型法的优点是频率分辨率高，特别适用于短数据处理，且频谱图平滑，有利 于参数的自动提取和定量分析，因此适合于对e e g 信号作动态分析。日前在e e g 分析中应用较多的是a r 模型谱估计技术。由于脑电是非平稳性比较突出的信 号，估计时一般要进行分段处理，而a r 谱比较适用于短数据处理，因此就更适 合于对脑电作分段谱估计。但这种方法对被处理信号的线性、平稳性及信噪比要 求较高，因此不适合对较长数据的e e g 进行分析处理。 谱分析要求信号具有平稳的特性，而e e g 是典型的非平稳型号，因此e e g 的谱分析必须建立在信号准平稳分段的基础之上。 ( 3 ) 时频分析方法 时、频域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。为了能够反映生物医学信号等非平稳信号 的频域特性随时间的变化情况，工程技术上通常采用两类方法：时窗法与频窗法。 但严格地说，时窗法与频窗法存在同样的问题，即时域与频域分辨率的“不确定 性原理”( 也称测不准原理) 。欲在时域上分辨的愈细致，则在频域上分辨的愈模 糊，反之亦然。因此更合理的方法是把时域和频域结合起来表示信号。目前应用 较为广泛的方法有维格纳分布( w i g n e r - v i l l ed i s t r i b u t i o n ，简称w d ) 和小波变换理 论。 可以看到，传统的分析方法一般认为脑电信号是平稳的或者准平稳的高斯分 布随机信号，然而实际上脑电信号本身具有很强的非平稳随机性，同时我们所得 到的脑电信号中还有多种干扰信号的存在，这些无疑加大了脑电分析处理的难 度。这些干扰信号包括一些来自人体其他器官组织产生的生物电信号，如心电 ( e c o ) 伪迹，眼电( e o o ) 伪迹和肌电( e m g ) 干扰等，以及一些来自外界环境的干 扰信号成分，如工频干扰、身体移动造成的基线漂移以及其他仪器设备产生的电 西北工业大学硕士学位论文第二章脑电信号及分析方法 磁干扰等。因此在脑电信号处理和分析中，脑电消噪是必须首先考虑的关键问题。 理想的消噪方法要求在消除噪声干扰时不破坏脑电信号中的有用成分。然而 这仅仅是一种希望而已。在众多的脑电消噪方法中，一般都只能进行折中处理， 即在消除噪声的同时尽可能地保护有用信号成分。至于最终的效果如何，往往难 以把握。目前一些常用的脑电消噪方法基本上是一些较传统的频域滤波方法，以 及时频滤波方法等。从滤波原理上看，一般只能在有限范围内改善信噪比。而且 传统方法通常不太适合处理多导信号，因此无法有效地利用和揭示存在于不同导 联脑电之间的互信息。在生物医学信号处理领域，多导e e g 信号的分析处理一 直是一项非常有意义同时也非常具有挑战性的研究课题。 ( 4 ) 非线性分析方法。从非线性动力学角度，提取脑电信号的非线性动力学 参数。如复杂度分析、l o r e n t z 散点图、关联维数d 2 、k o m o g r o v e 嫡、l y a p u n o v 指数等。文献【1 3 】讲述了基于混沌动力学系统相空闯的延迟坐标重构及人工神经 网络的非线性特性，研究了采用基于自适应投影学习算法的径向基函数( r a d i a l b a s i sf u n c t i o n ，r b f ) 网络对实测的e e g 信号进行的预测。 ( 5 ) 多维统计分析方法。这是一类与脑电的时、频分析方法有着本质差别的 信号分析方法，典型的有主分量分析( p r i n c i p a lc o m p o n e n ta n a l y s i s ，p ca ) ，因素 分析( f a c t o ra n a l y s i s ，f a ) 和独立分量分析( 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 ) 等。多维统计分析方法的特点是能够同时处理多导e e g 信号，因此有利于揭示 和增强脑电信号中的隐含特征，其在脑电消噪和特征提取等方面具有独特的效 果。其中2 0 世纪9 0 年代中期发展起来的独立分量分析方法最具有代表性。该方 法以非高斯信号为研究对象，在信源独立性假设的前提下，对多路观测信号进行 了盲源分离( b l i n ds o u r c es e p a r a t i o n ，b s s ) 。在满足一定的条件下，能从多路观测 信号中，较完好地分离出隐含的独立信号源。独立分量分析代表着现代统计信号 分析理论的最新发展，是对基于高斯分布和不相关假设的经典统计分析理论的突 破。研究资料表明，独立分量分析非常适合多导e e g 信号的分析与处理。文献 5 ，1 4 ，1 5 阐述了i c a 方法在脑电信号处理中的应用。 ( 6 ) 神经网络处理方法。人工神经网络的工作原理来源于大脑，其结构、学 习算法、性能分析都是我们大脑工作的产物，因此，大脑可以说是机器母机，人 工神经网络只是其生产的工具而已。神经网络作为一个分析工具，已被证明可以 出色地把专家的知识结合到数学的框架中，同时又能综合统计学的方法而几乎对 信号和噪声的统计特性无要求。这两个优点正是分析脑电信号、认识大脑是如何 产生高层认知功能所需要的。文献 1 6 】研究了神经网络用于药物作用鉴别的脑电 信号处理以及用于信号污染清除和诱发电位响应( 或称为事件相关电位) 。 西北工业大学硕士学位论文 第三章脑电信号的灰建模及特征提取 ( 7 ) 奇异谱分析。奇异谱分析是脑电信号分析的一种新方法。脑电信号的奇 异谱可以反映脑电的特征，它有助于研究大脑的动力学行为。奇异谱分析方法是 基于二阶统计的方法，反映的是信号时间上和空间上的一种线性相关关系。而脑 电信号属于非线性信号，其内在的非线性关系很难通过奇异谱得到真实的反映， 从而会丢失某些有用的信息。但是基于高阶统计的脑电奇异谱分析方法能明显反 映正常脑电和癫痫脑电的奇异谱的不同。此外，基于高阶统计的奇异谱和基于二 阶统计的奇异谱相比更能反映出信号的细节。 两北工业大学硕士学位论文 第三章脑电信号的灰建模及特征提取 第三章脑电信号的灰建模及特征提取 灰建模是少数据( 允许少数据) 的建模，是基于灰因白果律、差异信息原理、 平射原理的建模，其目的是在数据有限( 即有限序列) 的条件下，模仿微分方程建 立具有部分微分方程性质的模型【6 ，”。本章首先介绍脑电数据的获取及预处理， 然后讲述脑电信号的灰色g m ( 1 ，1 ) 建模，最后以计算得到的g m ( 1 ，1 ) 模型参数 以，b 作为自发脑电特征进行提取，并给出了两种模式下特征参数的分布情况。 3 1 脑电数据的获取及预处理 3 1 1 原始脑电数据的获取 如前所述，脑电信号是脑神经细胞的电生理活动在大脑皮层或头皮表面的总 体反映，脑电图是通过仪器把脑细胞的电活动记录在纸上而形成的。在实际中， 脑电数据是通过安放在头部的电极来记录的，图3 - 1 给出了实际测量脑电信号时 的照片。 图3 - 1 脑电信号测量时的照片 西北工业大学硕士学位论文 第三章脑电信号的灰建模及特征提取 本文使用的脑电数据采自5 位身体健康并且没有神经疾病历史的丁f 常人。脑 电图仪选用德国慕尼黑b r m n a m p ，b r a i n p r o d u c t s ，i n c 的3 2 导联脑电检测系统。 脑电图仪的参数设置如下：带通滤波0 5 3 7 0 h z ；5 0 h z 陷波器( 为消除工频噪声 的干扰1 ；采样频率为2 0 0 h z 7 j 。实验中按照国际标准导联1 0 一2 0 系统在受试者 头皮上安放2 9 导电极，同时还记录了l 导眼电图( e o g ) 弄n2 导心电图( e k g ) 。脑 电数据的记录方法如下：每位受试者以2 0 s 间隔睁眼和闭眼，总共记录2 分钟。 需要说明的是，因为在记录本文使用的脑电数据的同时，也进行了功能性核磁共 振( f m 鼬) 数据的记录【1 8 1 ，因此记录到的脑电信号存在很大的电磁干扰。同时，由 于电磁干扰的幅度远远大于脑电信号的幅度，在未进行电磁干扰滤波的情况下， 很难使用其它方法对脑电信号进行处理，文献 1 9 2 1 1 详细讨论了电磁干扰的滤 除。本文使用的脑电数据已经过滤波处理，详细的滤波方法可参见文献 1 9 1 。 考虑到本文研究的是正常人在睁、闭眼时脑电特征的不同，而两种状态的不 同之处在于是否有口波的出现。研究资料表明，口波在清醒安静闭目时出现，并 且在枕叶及顶叶后部记录到的2 波最为显著，其波幅是由小变大又由大变小的梭 状模式。睁眼、思考问题或接受其他刺激时，o f 波消失，而