【毕业学位论文】（Word原稿）基于单导脑电信号的在线压力监测系统研究与实现-计算机软件与理论

分类号： 密级： 研 究 生 学 位 论 文 论文题目（中文） 基于 单导 脑电信号的在线 压力 监测系统 研究与实现 论文题目（外文） 生 姓 名 赵国庆 学科、专业 计算机软件与理论 研 究 方 向 情感计算 学 位 级 别 硕 士 导师姓名、职称 胡斌 教授 论文 工作 起 止 年 月 2012 年 3 月至 2013 年 5 月 论文提交日期 2013 年 4 月 论文答辩日期 2013 年 5 月 学位授予日期 校址：甘肃省兰州市 天水南路 222 号 原 创 性 声 明 本人郑重声明：本人所呈交的学位论文，是在导师的指导下独立进行研究所取得的成果。学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果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 声明的法律责任由本人承担。 论文作者签名： 日 期： 关于学位论文使用授权的声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学。 本人完全了解兰州大学有关保存、使用学位论文的规定，同意学校保存或向国家有关部门或机构送交论文的 纸质版 和电子版，允许论文被查阅和借阅；本人授权兰州大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本学位论文。 本人离校后发表、 使用学位论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为兰州大学。 本学位论文研究内容： 可以公开 不易公开，已在学位办公室办理保密申请，解密后适用本授权书。 （请在以上选项内选择其中一项打“ ”） 论文作者签名： 导师签名： 日 期： 日 期： I 基于 单导 脑电 信号的在线压力监测系统研究与实现 中文摘要 社会经 济的飞速发展使得人们面临的工作、生活和性格中 的 压力剧增。如何在进一步发展为精神紊乱病症之前，发现压力并及时采取措施是十分必要的。例如，压力的监测在检测和干预抑郁症过程中起到了关键的作用。 传统的压力监测手段是通过各种用户自评量表，但 它 的突出问题是难以避免的主观性。 同时，缺乏一套可应用于日常生活中的压力监测系统 。 为了能够 在日常应用中 准确 客观的 对压力进行监测 ， 本文 开发了一套在线压力监测系统 。 本系统 通过 采集 电信号 ， 能够 对用户的压力状态进行客观的评价并进行长期在线监测，同时 可 辅助医师对用户状态进 行 评估 。 系统采用 c/s 框架，基于 议，客户端分为用户界面和医师界面 ，用户界面包括信号采集 、量表填写、历史记录查看、医师交互模块。医师界面包括查看用户历史记录和与用户交互模块。 服务器端主要负责对用户 数据 进行有效管理， 以及脑电信号的处理 。 本文 通过 实验， 选择出 系统中使用的 有效的 脑电特征和算法 。 首先 采集被试脑电信号，进行去噪、特征提取和分类， 筛选出三个对压力分类有效地脑电信号特征（分别是 杂度， 对功率， 对功率 /对功率） ，并通过 结果 对比最终确定 的分 类算法 。 为了直观的显示压力水平， 引入了压力指数 这一概念 。 关键 词 ： 脑电 ， 压力 ， 抑郁风险， 在线监测 n he of to to of a in of of he of is a of is of we an be in In to in we a By EG pz of at to is of as EG of EG in an of to By as in we 基于 单导 脑电信号的在线压力监测系统研究与实现 目 录 中文摘要 . I . 一章 绪论 . 1 精神健康 . 1 压力与健康 . 1 统压力监测手段 . 2 脑电信号与压力监测 . 2 电介绍 . 2 电与压力相关研究 . 5 于脑电的在线压力监测系统 . 6 主要工作 . 7 论文 结构 . 7 第二章 脑电在压力监测中的处理流程与方法 . 8 噪方法 . 8 电信号的特征提取 . 9 波段功率、中心频率及功率比 . 9 . 9 Z 复杂度 . 10 0 复杂度 . 11 大 . 12 类过程 . 13 最近邻分类算法 (. 13 素贝叶斯分类器 . 14 兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 第三章 压力监测系统设计 . 15 统功能目标 . 15 电采集方案 . 16 统结构设计 . 17 统体系结构设计 . 17 统逻辑结构设计 . 20 统框架 . 21 户端 . 22 务器端 . 22 生端 . 23 据库设计 . 23 第四章 压力监测系统特征及算法选择过程 . 28 类结果及分析 . 28 力特征及分类算法选择 . 32 力指数的计算 . 32 第五章 压力监测系统实现 . 33 统开发平台及相关技术 . 33 件及驱动模块 . 33 务器端实现 . 33 据库操作模块 . 35 户注册登陆模块 . 35 号文件上传与处 理 . 36 户端实现 . 37 统可扩展性 . 41 第六章 总结与展望 . 42 参考文献 . 43 兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 在学期间的研究成果 . 46 致 谢 . 47 兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 1 第一章 绪论 精神健康 健康不止包括身体健康，也包括精神健康 ， 已经得到 广泛的认同 。 然而 随着生活节奏的加快，人们不得不承受更大的压力， 精神疾病已经成为导致亚健康和生活障碍的主要因素之一 。尤其是 以 抑郁症为代表的精神疾病，已经在全球范围内占有高达 11%的发病率，这意味着全球已经有高达 1。 中国各类精神疾病的总患病率在全国已上升到 17 5 2，在疾病负担的排名 中，已经超越心脑血管、呼吸系统及恶性肿瘤等，在总负担中 排名首位 ，其中抑郁症患者超过了 2600万 。 比较严峻的问题是， 抑郁症患者中有 65% 80%的病人会出现自杀意念，45% 55%的病人会出现自杀行为，严重抑郁症患者中有 15%自杀身亡，每年自杀死亡人数估计高达 100万人 3。在中国，抑郁症患者的自杀率为 10 可见精神疾病已成为一个全球的社会和公共卫生问题 ，每年各种精神疾病的费用极高，美国总的健康费用中 4%用于治疗抑郁障碍， 高达 430亿美元 3。 我国用于神经精神疾病方面的费用约占我国疾病总负担的 1/5，排名居首位。卫生部预测，到 2020年，这一比例 将上升到 1/44。 虽然精神疾病的患病率如此之高，但就诊率却仅有 9 2，特别是在一些二线、三线城市以及偏远地区，仍有大量精神疾病患者没有得到及时、有效和持续的治疗 5。 世界范围内，精神障碍 很大程度上 加重了疾病的负担。 精神健康障碍已成为严重而又耗资巨大的全球性卫生问题。我国已将加强重性精神疾病防治、建立心理卫生服务制度纳入加强和创新社会管理工作的重要内容。 因此，关注精神健康刻不容缓。 压力与 健康 压力 通常是指 精神压力， 随着生活节奏的日益加快和 社会竞争的日益加剧，人们需要承受的生理和心理 方面的压力越来越大 。 长期 压力过大 可能 导致很多种疾病， 例如 ： 一、 压力大损害皮肤 ，长期的压力可能会导致皮肤失去水分，出现皱纹等，对女性来说尤为明显。 兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 2 二 、压力 过大 引发精神疾病： 最主要的表现是抑郁 ，主要症状包括精神低落、兴趣丧失、睡眠紊乱，严重的产生自杀年头 。 三 、 长期 的精神压力 可能 会引发 身体 疾病，如高血压、冠心病、 糖尿病、 消化道疾病等 ，此外，极端和长期的压力使得血液中的血小板降低，从而造成免疫系统紊乱，最终危害身体健康 。 四、压力大会损伤大脑。 压力会导致精神紧张，甚至失眠，长此以往 ， 可能会出现 头痛、记忆力 衰退 等不良反应。 生活中，人们 会感受到来自工作、学习、生活等各方面的 巨大压力。 如果这些压力长期得不到缓解可能会导致上述几种疾病， 对 人的身心健康造成极大 危害。 生活中需要尽早发现压力，并尽早得到释放，以避免压力进一步影响人的身心健康。 统压力监测手段 目前主要通过量表手段来诊断压力。作为一种测量工具，量表 被设计成一系列问题和说明 ， 试图确定主观的，对抽象的概念 定量化测量的程序，对事物的特性变量 根据 不同的规则分配数字， 从而形成不同测量水平的 量表，又称 之 为测量尺度。常见的压力诊断量表有 虑 自评量表、心理健康临床症状自评测验 (。 作为一种研究工具，量表需要信度和效度作为保证。信度（ 可靠性，它是指 使用 同样的方法对同一对象 多次 重复测量时所得 到 结果的一致性 的 程度。效度（ 指有效性， 是指测量工具或手段 对所以测量事物能够进行准确测量的程度 。 正因为量表需要信度和效度作为保证，对象在填写过程中可能遇到的问题有 ： 1、对问题理解不够清晰； 2、胡乱填写； 3、太过主观。 这些都是需要避免的。 脑电 信号 与压力监测 电 介绍 脑电图（ 于 1929 年 被德国精神病学家 是通过医学仪器脑电图描记仪将人 脑 细胞群自发的、节律性的点活动 放大并 记录而得到的曲线图。 图 1 兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 3 图 1脑电信号示例 根据 不同 频率，脑电图通常被划分为四个波段： 0 8 13 当人进入深度睡眠阶段，会产生此波段的脑电波 。 当人开始睡意朦胧诗，即进入睡眠 的初期阶段是，会产生 心神专注的时候 ，或者 处于完全 非常 的精神状态 下 的时候 产生 的脑电波。在 完全放松 状态时， 人类 的大脑 能 够更加快捷有效 地吸收 处理信息。 通常，当我们 作某种沉思或倾听令人放松的音乐 时，会处于此状态 。 对于此波段有一个奇妙的应用，即 “快速学习” 的 技巧，就是 在 许多巴洛克音乐作品下 的速度 ，因为这种作品 每分钟 60与大脑处于 完全范松 状态下“波长”是相似的。 人 在通常的、日常清醒状态下 脑电波情况 的反映 。 是一般 正常状态下大脑 搏动 的 状况 。 在这种 自然 状态下， 人 的逻辑思维会加强，也 会出现分析以及意识活动。 当 注意力集中 、 人体 头脑警觉 、行动 高 效 时， 时会 占据 脑电波主要成分 。 同时当人体 出现 一些比较大的情绪波动如 烦恼、气愤、恐惧、紧张以及兴奋状态 或焦虑不安 ，也会诱发 根据检测手段不同，脑电的监测可分为头皮监测，植入式监测。 目前头皮 规脑电图 、 视频脑电图 和动态脑电图 三种类型。 目前常用的电极位点的划分参照国际 10脑电研究中，它是 一个国际通用的，描述在大脑头皮上安装贴片位置的标准 。 由于各个电极间的间距均以 10%和 20%来衡量，故得名 10电极位点的命名规则为：首字母为电极所在分区的第一个字母，而电极名称中的接近中线的以较小数字来表示，接近外兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 4 侧的以较大数字表示，另外，为左侧为奇数，位于右侧为偶数。 图 110统 目前，脑电的应用主要有以下领域。 脑机接口。大脑 - 计算机接口 ( , 简称脑机接口 ,它是 一种不依赖于 大 脑的正常输出通路 ( 如 外周神经 、口腔 和肌肉 ) 的脑 - 机 ( 计算机或其他装置 ) 通讯系统 。 脑机接口的出现 , 使得用人脑信号直接控制外部设备的想法成为可能 ， 例如在 6中，作者后利用脑机接口实现了对假肢的控制。 睡眠分析。在睡眠 的不同 过程中， 人的 脑电图 会 发生 不同变化，这些变化随着睡眠 深度 的不同 而不同。根据 观测到 脑电图特征 的不同 ，又 可以 将睡眠分为两种状态： 非快动眼 睡眠 期 和 快动眼 睡眠 期 ，二者 是以 眼球 是否发生阵发性快速运动和不同的脑电 特征相区别 ,在 7中，作者提出了一个基于脑电信号的远程睡眠质量分析系统 。 情感学习。 人在学习的过程中情感会发生变化，这又会进一步影响学习的效率。 情感学习旨在处理 人在学习过程中 情感的变化 ，并通过分析与处理生物信号(包括脑电信号 )， 结合学习过程中的上下文关系，以期建立学习中的情感与生物电新后的关系 ， 方便 监测学习者的兴趣 及注意力 等情感特征，最终为网络学习、智能推荐或 远程教育等提供辅助。 身份识别。脑电信号在身份识别中有它独特的优点， 第一 ，每个个体都会产生脑电信号； 第二 ，脑电图是独立存在的，它不能被伪造或模仿；第三，现有测量手段可以很方便地采用非侵入式在 头皮采集脑电信号。在一个关于身份识别的研究中 8，呈现 的系统 准确率能够达到 进一步验证了脑电进行身份识别兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 5 的可行性。 癫痫诊断与治疗 。脑电图是癫痫诊断和治疗中最重要的一项检查工具，尽管高分辨率的解剖和功能影像学在不断的发展，但 是 在癫痫的诊治中 知发作间期癫痫样放电（ 诊断癫痫的重要依据。 压力与情绪判断。关于情感的 神经电生理 的一个主要研究方面是左右半脑的分工，人的左半脑更多的参与处理积极的情绪或活动，而右半脑更多的参与处理消极和负面的情绪和活动 9,10。 常用的脑电分析方法包括： 1、现代谱分析技术：参数模型估计及谱 参量分析，（如 数模型谱估计、自适应卡尔曼滤波），双谱分析，维格纳分布，小波 包 变换。 功率谱分析是 号处理最常用工具 , 源于傅氏变换 , 它的前提是平稳随机信号 , 对非平衡随机信号而言 , 不同时刻的谱分析结果是不同的。目前常用的方法之一是以短时间断数据的傅氏变换为基础的周期法 , 具体做法是把实际淮信号在时域上分段 , 并看作是准平稳的 , 每段取傅氏变换后的幅频特性平方再乘以适当的窗函数 , 作为该信号的功率谱估计 , 但 这种方 法频率分辨率 较 差 , 因而 存在边瓣泄漏 , 谱估计方差大等问题 11。 2、非 线性动力学应用：时间序列的表达，计算，计算脑电的复杂度， 数的计算。 目前对 号研究集中在时域和频域内 , 脑电信号的特征与大脑皮质的活动有很大关系 , 脑神经细胞群电生理活动在脑皮层或头皮表面的总体反映 , 对外界环境有敏感的初始条件依赖性。非线性动力学研究 中的显著 特点 , 就是由于变量的非线性耦合 , 可以 基于 少 量 实验的单一时间序列 来 构建动力学数学模型 ,以提取信息 , 即我们 能够 从一维 时间序列 中 提取 大脑的多维动力系统 信息 12,13。 电与压力相关研究 已经有很多关于脑电与压力检测的研究， 4, 5, 6, 7, 8等人在他们的研究中侧重于人处于由于 考试，噪音和心理任务 等产生的压力状况下的大脑活动。关于情感的 神经电生理 的一个主要研究方面是左右半脑的分工，人的左半脑更多的参与处理积极的情绪或活动，而右半脑更多的参与处理消极和负面的情绪和活动 19,20，这种差异的典型表现就是额叶皮层在情绪处理中起着关键作用，这在研究前额叶脑电波的 极的情 绪或反应会产生 相对较大的左前额叶的活动（ 而消极的情绪或反应会产生 相对较大的右侧前额叶活动（ 21。 兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 6 相关的脑成像研究也证明，通常负面的情绪会引发 前额叶皮层，杏仁核和绝缘层 的活动，而 左前额皮层中激活与正面情绪 相关 22。 右侧前额叶皮层 可能主要参与压力的应激反应，因为它是 情感和警惕网络 基础组成部分。 一些研究表明，高 强度 的右侧前额叶 活动 与 负面情绪有关并且会 削弱免疫系统 ， 例如， 前额叶活动 不对称性 的差异 体现了个体处于不同的情感状态19,20。值得注意的是， 前额叶 皮层可能 会起到调节 社会心理压力 对人体 身心健康的影响程度 23,24。 左和右皮质半球 的活动对 影响也是有差异的，另外，这种不对称的程度 已被证实会在 慢性 压力 条件 发生改变 25。通过对焦虑患者的观察，发现 额极区域右半球的电活动 更为活跃 26。 许多研究者提出，压力与抑郁症的发生是有关的。在 27中， 力和抑郁症之间的 强 关联 。根据 急性压力相比，慢性压力更能够预测抑郁症的发生 28。 也有许多研究利用脑电来研究精神疾病。 部和后部 脑电的不对称模式 对 焦虑和抑郁症状 预测 29，结果表明，相对右额叶脑电活动可以预测未来发展的焦虑症状。 郁症组比对照组有较高的 0。 于脑电的在线压力监测系统 近年来，随着计算机网络，无线网络的覆盖以及传感器软硬件技术的发展 ，产生了越来越多各种各样的远程医疗 系统。 远程医疗 系统通常是指通过传感器采集人体生理和物理上下文，连同环境上下文一起被具体应用逻辑处理，实现对人体的健康状况进行实时监控 并进行诊治 。 最早的 远程医疗 系统主要是采取电视健康的手段。 60年代初到 80年代中期 远程医疗 系统经历了缓慢的发展。 目前比较典型的应用有老人防摔倒系统，儿童防走失系统等。 一个完整的健康监测系统通常由传感器，客户端（如电脑，手机等）以及服务器端构成 ，传感器采集用户的生物电信号，客户端接收生物信号并做简单处理，发送至服务器做推理，推理完成后将结果反馈给客户端。必要时需要引入医生角色或者与医院的医疗系统互联。 许多研究中提出了 结合生物电信号的压力监测 系统 。例如， 23； 现了基于脑电 的压力监测系统 31； 有研究 建立了一个基于脑电的贝叶斯网络模型，检测司机在驾驶过程中的压力状况 32，以保障驾驶安全； 也有 通过检测心电节律 来监测压力水平的研究 33， 它能够 监测工作中用户的压力水平，并将压力结果发送给协调工作的机器人，以便机器人适当做出反应。除了这些生理信号外，可用于压兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 7 力水平监测的还有体温，血压，语音，皮质醇水平和活动水平等。 主要工作 针对上文中提到的心理压力的严峻形势和传统压力诊断手段的不足，本文通过对 压力组和对照组被试的脑电信号进行 处理 ，筛选出三个对压力分类有效地脑电信 号特征（分别是 并从 于这些理论依据，设计并开发了基于 脑电 信号的在线压力检测系统。 “ 压力 监测系统”结合 脑电 信号，引入计算机处理手段，对用户压力状态进行客观科学的评价，提供了一套方便可行的精神健康监测平台。 与相关系统相比，本系统具有如下 优点 ： 1）在线的压力监测。 2）引入 脑 信号进行客观的评价。通过对 脑电 信号的去噪、特征提取和数据挖掘，得到用户的压力水平； 3） 具有一定普适性 。 结 合实验室 自主开发 的 非侵入式的生物电信号采集设备 ，只需前额一个电极，便可对压力实现在线监测 ； 4） 友善的用户交互界面 。 通过处理算法，将脑电信号直接映射为直观的用户可识别的压力指数 ，以图形的形式展现给用户 。 5）引入医师角色。方便处于抑郁风险初期阶段的用户及时与医师沟通，缓解压力水平。 论文结构 本文第一章为绪论部分， 对目前所面临的 精神 健康问题 进行了阐述，对 研究并监测压力水平所需要的依托进行了说明 ， 介绍了脑电信号与压力监测，并对基于脑电信号进行压力监测的相关研究和相应的监测系统做了介绍， 最后阐述了本研 究的主要工作。 第二章介绍了 基于脑电的压力识别技术路线 及各特征提取及分类算法 。第三章是实验设计和结果分析， 为了准确有效地监测压力水平，需要相关的 理论依据。 第四章介绍 了 本文中基于 脑 电信号的在线压力监测系统的总体设计，从宏观角度描述了该系统的主要模块。 第五章详细介绍了本系统的编程和算法实现，并做了系统展示。 第 六 章是对本系统的讨论和对未来研究的展望。 兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 8 第 二 章 脑电在 压力监测 中的 处理 流程 与 方法 为了保证系统有效地工作 ，需要确立对压力分类有效的脑电特征和分类算法，并建立脑电特征数据库以作为训练数据库。 在本文压力监测系 统中的 脑电信号的 处理流程如图 2 脑 电 采 集 脑 电 预 处 理 特 征 提 取被 试 人 群压 力 特 征数 据 库用 户 脑 电 采 集 脑 电 预 处 理 特 征 提 取 分 类 器 压 力 水 平图 2据处理流程 可以看出在本系统中有两条数据处理流程，分别是数据库的建立和实时识别。 在数据库建立阶段，可以分四步实现： 1、 通过脑电采集设备收集被试的原始脑电信号 。 2、 脑电特征与处理，主要是去除眼电噪声和工频噪声 。 3、 特征提取 ，脑电波对压力的检测还处于研究阶段，因此本实验首先提取出目前被广泛应用的脑电特征，主要包括线性特征和非线性特征两大类。 4、 压力特征数据库的建立，为了在实际中 使用压力监测系统，需要选择有效地分类器，并通过分类器筛选出有效地脑电特征。因此本阶段可以称为分类阶段，是整个系统能够实现的核心理论阶段。 在实时使用阶段，数据流程也可以分为四步，前两步与数据库建立阶段一致，第三步只需提取出特定的有效脑电特征，第四部使用确定的分类算法，得出用户的压力水平。 噪方法 人在 文章 34中提出了一种结合小波包变化及独立变量分析的改进去噪算法，该算法有效地解决了基于小波包变换时眼电干扰与 本文中我们采用此算法进行去噪。 首先，应用小波变换 对原始脑电信号进行分解，使之分解成代表不同频域的小波包系数，用与眼电干扰高度关联的 节点系数重建脑电参考信号。 其次，应用独立成分分析，将原始脑电信号和眼电参考信号作为输入，从原兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 9 始脑电信号中去除眼电干扰。 电信号的特征提取 本文中，我们提取了文献中经常 用 到的 脑电特征 ，用以进一步筛选 ，主要包括线性特征和非线性特征两大类。线性特征 包括 中心频率、 绝对、相对和最大功率 )以及各波段功率比；非线性特征 包括 大 波段功率、中心频率及功率比 段的功率分别由快速傅里叶变换得出 。 各波段的相对功率为各波段的功率与所有波段的 总 功率 之 比 ， 因此相对功率 值 处于 0,1之间 。 中心频率是 指 由快速傅里叶变换得出最大功率 时所处 的频率。 功率比包括 比， 比， 比 。 由 961年提出 35。 能够 用于 分析非平稳过程 中 的时间序列。 其 数值越小， 表明组成 该 序列的成分越 简单 ，其数值越大，表明此信号越复杂。 它的 计算 过程 如下： 式 (2表概率分布为 当 1时有： Ni lo g (* 一般 时间序列 的 归一化分布维数 定义为： lo 10 兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 10 )/1lo g (lo 01 lo m a Z 复杂度 , 两人于 1976 年在 36中提出的，能够反映数据序列随其长度的增加出现新模式的速率，它广泛应用于非线性科学的研究中36给定一个待求字符串 ),.,S,(另一个字符串 ),.,( 21 定义 S 和 Q 的级联，即 ),.,.,( 2121 nn 。定义 掉最后一个字符时得到的字符 串。判断 一个子串，若 说明 中复制的，这时把待求序列的下一个字符级联到 Q 不是 示 时把 之后， S=造新的 Q，重复上述过程直到 序结束。每次 时，表示出现一种新的模式，用 如对于 S=(10101010)，应用上面的方法可以得到 c(8)=3 个新模式： 1， 0 ， 101010。 它的计算机实现流程如下： 图 4杂度的计 算机实现流程 兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 11 0 复杂度 杂度 作为 随机性的一种表 达， 是徐京华等 42在脑电信号的实际分 析中提出的。 它 的主要思想是 将 复杂 的 时间序列分解 为规则和随机两 部分 ， 计算 随机部分的平方与 整体 序列平方之比 。计算过程如下： 给定 长度为 的时间序列 1, . . ,0),( ，则 1,.,2,1,0,)(1)( 102 为 相应 的 傅立叶变换序列 ， 1i 是虚数单位。记 2 ，于是 )(以 写为： 1,.,2,1,0,)(1)( 10 设 1, . . . ,2,1,0),( 均方值为： 112)(1 引入 保留均方值 超过 将其余部分置 为零，则 ： ,0)(),()( 其中 正 整 数。 (2傅立叶逆变换 得 ： 1,.,0,)()( 10 于是 定义 102102)()()(0 兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 12 大 数 数是 用来衡量系统动力学 的一个定量指标，指数越大，混沌特性越明显， 即 混沌 度越高。 小数据量法计算最大 数 的 步骤如下 : (1) 给定 时间序列 N,.),( ，i ， 计算出时间延迟和嵌入维数 ，并 进行相空间重构。 ; (2) 用 傅立叶变换计算 序列 平均周期 P; (3) 根据时间延迟 嵌入维数 空间 重构 T A j *)1(,., (4) 找出相空间中并限制短暂分离 , 即 ),m 0( (5) 计算出 相空间中 的 每个点离 ),m i n (, . . . ,2,1(),m i n ()( (2(6) 对 于 每个 i,求出 每个 (ln 均值 , 即 qj 式中 q 为 非零 )( )(滞后 (7) 求斜率 ， 使用 最小二乘法 作 曲线拟合 : )( 1 1 为最大 兰州大学硕士学位论文 基于 单导 脑电信号的在线压力监测系统研究与实现 13 类过程 对脑电信号进行去噪、提取出特征后，选择数据挖掘里面的分类算法，以找出脑电与压力的关联。 最近邻分类算法 (K 最近邻分类 (法作为分类方法，简称 于 20世纪 50 年代早期被首次提出 。 当给定大量训练集时 ，该方法 会产生较大的空间开销。 直到 20世纪 60年代 ，计算能力大大增强 后 ， 流行起来。此后它广泛 应用在 模式识别领域 中 。 最近邻分类法 学习 的，即给定一个 检验元组 ，通过和与其相似的训练元组 比较，从而完成 学习 过程 。 当训练元组由 每个元组 便 代表 的一个点。这样， 可以认为所有训练元祖都被放置 在 一个n 维模式 的空间里面 。当 一个未知元组 到来 时， k 最近邻分类法 便 搜索该 n 维 模式空间，找出 与 未知元组 距离最接近 的 称 这 未知元组的 未知元组便属于 邻近性大小可以 用距离 来度量，常见的如欧氏 距离。 定义如下：给定两个 元组 ),.,(X 112111 和 ),.,(X 222212 ，它们之间的欧氏距离为 ： ni (),( (2换言之，对于 元组中的每个 属性，取元组 1X 和 2X 在 该属性 上 对应值的差，然后取差的平方进行累计。最后取累计距离 的