毕业设计-脑电信号预处理方法研究-马孝龙

1.2
眼电信号是脑电信号的主要干扰源，它们能够改变脑电信号的电场分靠使获得的脑电信号不能真实的反映大脑的活动。眼电伪迹去除的基本原则是在保证脑电信号完整的前提下尽可能的去除眼电伪迹。这个基本原则是评价各种眼电伪迹去除方法的重要依据。目前，常用脑电信号去噪方法有独立分量分析(ICA)的脑电信号去噪方法,有主成分分析算法的脑电信号去噪方法，基于自适应滤波的脑电信号去噪方法,基于陷波器的脑电信号去噪方法,基于小波变换的脑电信号降噪方法等多种方法。
关键词脑电信号;小波变换;去噪
Abstract
The Electroencephalograph (EEG) is the electro physiological activity of brain cells, it is reflected in the overall pallium or scalp surface, which contains a large number of physiological and pathological information, and can describe the characteristic signal with many features. The EEG analysis to understanding brain activity is an effective noninvasive method. However, EEGisoften mixed with a variety of noise, in order to facilitate thereadingandanalysisof EEG signal denoising, must carry on eeg.
2Matlab 6.x信号处理邹鲲等编著，清华大学出版社2002.5
3 中国期刊网、Elservier文章及其它网上资源
周次
第1 ～ 4周
第5～7周
第8～11 周
第12～15 周
第16～18 周
应
完
成
的
内
容
收集资料
查找参考书
熟悉课题内容
及研究现状
编程语言熟悉算法的确定与细节理解
编程调试
算法优化
实验结果整理及其总结
学
号
090104030059
学生
姓名
马孝龙
专 业
班 级
通信2班
题
目
题目名称
脑电信号预处理方法研究
题目性质
1.理工类：工程设计（）；工程技术实验研究型（√）；
理论研究型（）；计算机软件型（）；综合型（）
2.管理类（）；3.外语类（）；4.艺术类（）
题目类型
1.毕业设计（√）2.论文（）
题目来源
科研课题（√）生产实际（）自选题目（）
随着信息科学的不断深入，脑科学的研究取得了新的进展。能够很好反应脑信息的脑电(electroencephalogram, EEG)是大脑神经元突触后电位的综合结果，是大脑活动产生电场经容积导体传导后在脑皮上的电位分布。现代的脑科学研究表明，多导的脑电信号蕴含着多种生理现象且能反映更多的动态信息。多导脑电信号就是从头皮上按照一定标准放置的多个电极处同步采集的电信号。因为脑电是通过安放在脑皮层不同位置的电极测量得到的，而电极之间的距离只有几厘米，所以这些电极不仅记录了脑内神经元电活动，同时也记录了各种干扰信号，如工频干扰、眨眼、眼球运动、心电干扰、呼吸波干扰和肌电干扰等等[1,2]。因此，为了得到真实的脑电数据，使之能够在临床上合理正确地做出判断，就必须对脑电测量数据进行预处理。
其中，EEG是大脑组织中大量的神经元群突触后电流的在大脑皮层或头皮表面的综合表现，EEG具有简易、无创、高时间分辨率等优点，脑电信号处理可以获取大量的功能与疾病信息，例如通过EEG检查，可以对癫痫、脑肿瘤、颅脑损伤、中枢神经系统疾病，以及精神疾病和智能障碍等疾病提供信息，从而对脑功能分析及疾病诊断、预后和治疗提供有效的方法；也可利用人对不同的感觉、运动或认知活动的脑电的不同，通过对脑电信号的有效的提取和分类达到某种控制目的。
基
本
要
求
1. 熟悉现有的脑电信号预处理方法
2. 设计去噪算法
3. 算法编程实现
参
考
资
料
1V Krishnaveni, Removal of ocular artifacts from EEG using adaptive thresholding of wavelet coefficients, Journal of Neural Engineering, 2006(3):338-346
KeywordsEEG;Wavelettransform;noise rejection
第wenku.baidu.com
1.1
大脑是一个非线性、非平稳的，且由大量神经元群相互连接形成的复杂动力学系统，人们获取大脑信息的手段基本上分为三种：通过脑结构的解剖图像获得静态的信息，例如广泛使用的电子计算机X射线断层扫描技术和磁共振成像；通过功能活动时的代谢活动图像而获得动态的信息，例如功能磁共振成像技术和正电子发射断层扫描；通过大脑对信息处理的反应而获得脑的动态信息，这类手段有局部场电位，脑电图和脑磁图。
本科毕业设计（论文）
脑电信号预处理方法研究
马孝龙
燕 山 大 学
2013年6月
本科毕业设计（论文）
脑电信号预处理方法研究
学院：信息科学与工程学院
专业：通信工程
学生姓名：马孝龙
学号：090104030059
指导教师：李段
答辩日期：2013-6-24
燕山大学毕业设计（论文）任务书
学院：信息科学与工程学院系级教学单位：电子与通信工程
论文书写
课题总结
答辩
指导教师：李段
职称：讲师 2013年3月 4日
系级教学单位审批：胡正平
2013年3月5日
摘要
脑电信号(EEG)是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映，其中包含了大量的生理和病理信息,并可以用许多特征量来描述其特征信号。通过脑电分析来认识脑的活动是一种有效的无创手段。但是，脑电信号中常常混杂有多种噪声，为了便于阅读和分析脑电信号，必须对脑电信号进行去噪处理。
本文针对脑电信号中的眼电伪迹去除的问题，采用了小波阈值法对脑电信号进行去噪处理。以小波阈值降噪为基础，本文采用db5小波对脑电信进行5尺度分解，其次在对应的子带上采用软阈值法，且阈值原则为对数长度阈值法对小波进行阈值去噪，然后对去噪后的信号进行重构，最后比较原始信号和去噪后的信号。实验结果表明，用小波阈值法可以有效去除脑电信号中的眼电干扰。
(4)基于自适应滤波的脑电信号去噪方法早在20世纪40年代，就对平稳随机信号建立了维纳滤波理论。根据有用信号和干扰噪声的统计特性，以线性最小均方误差估计准则所涉及的最佳滤波器，成为维纳滤波器。这种滤波器能最大限度的滤除干扰噪声，提取有用信号，然而，对随机非平稳的信号，它的实际应用受到了限制。1967年WdrowB.等提出了自适应滤波理论，可使自适应滤波系统的参数自动的调整而达到最佳状况，而且在设计时，只需要很少的或根本不需要任何关于信号与噪声的先验统计知识，这种滤波器的实现差不多像维纳滤波器那样简单，而滤波性能几乎如卡尔曼滤波器一样好。
(2)基于主成分分析的脑电信号去噪方法此算法去除眼电伪迹的基本思想是：假设脑电信号与眼电信号彼此正交，将原始数据投影到彼此正交的特征空间，从而实现原始信号的特征分离，识别并去除眼电伪迹，逆向投影恢复原始数据。
(3)基于陷波器的脑电信号去噪方法[5,6]杨帮华等人共同提出基于陷波器和小波变换去除自发脑电信号噪声的方法。该方法是针对自发脑电信号的特点构造了一种零通小波，根据变换尺度参数与频率的对应关系，有选择地某些感兴趣的尺度信号以去除噪声。这种方法可以很好地去除工频干扰外的噪声信号，因此，进行小波去噪后，再结合陷波滤波器去除50Hz的工频干扰，这两种方法结合可以有效地去除干扰。
(5)基于小波变换的脑电信号降噪方法[8,9]近年来，随着电子技术的迅猛发展，信息获取的手段、进度、速度都有很大的提高。特别是非平稳信号分析理论上的一系列重大进展为非平稳信号提出了新的处理与分析手段。小波分析理论则是这一系列重大进展中的一个。它不仅继承和发展了窗口傅里叶变换的局部化思想,而且克服了窗口大小不随频率变化,缺乏离散正交基的缺点。小波变换在时间和频率上都有很好的局部性，在分析低频信号时，其时间窗很大，而在分析高频信号时，时间窗很小，这使得小波变换非常适合于时频分析。小波变换对于信号的高频成分使用逐渐尖锐的时间分辨率以便移近观察信号的快变成分，对于低频成分使用逐渐尖锐的频率分辨率以便移近观察信号的慢变成分（整体变化趋势）。借助时频局部分析性，小波分析理论已经成为信息去噪处理的一个重要工具。
考虑到脑电信号源的随机非平稳性，用自适应滤波方法去除脑电噪声很合适。到目前为止已有很多自适应滤波对脑电数据处理的研究成果，其中李翠芳等人共同提出基于小波分析的EEG信号自适应去噪的应用[7]。根据短时动态信号与平稳背景噪声的特征区别，对输入信号进行白化预处理，以时间序列的AR模型理论为依据，导出背景噪声白化滤波器的结构。将小波变换与自适应滤波器相结合，对经白化处理后的信号进行自适应去噪。
大脑皮层是大脑信息处理的中枢，约由 个神经元组成，典型的神经元由细胞体、树突和轴突三部分组成，当神经元接受的其它神经元发来的信号的和超过阈值时，神经元就会发出神经脉冲，称作动作电位，神经元的轴突终末与其它神经元的接受表面形成各种突触，实现神经元间的信息交换，一个典型的神经元可能有1000-10000个突触，能接受来自1000个其它神经元的信息，突触后电位在其产生部位的附近按空间总和规律叠加起来，脑电信号就是由皮层内大量神经元突触后电位(包括兴奋性突触后电位和抑制性突触后电位两种)总和所形成的，是许多神经元共同活动的结果。
According to the problem that removing the EEG of ocular artifacts, this article uses the wavelet threshold denoising method to remove the eye electrical noise (EOG) interference in the EEG. Based on wavelet threshold denoising, firstly, this article selects thedb5wavelet scale decomposition of EEG of 5. Secondly, it uses soft threshold method in the corresponding subband. Then the soft threshold and wavelet reconstruction algorithm for denoising, and the threshold principle for the fixed threshold method of wavelet threshold denoising. Then reconstruct the signal after denoising. Finally, comparison of the original signal and the denoised signal. From the result of experiments, we can see that it is perfectly to remove the eye electrical noise (EOG) by using the wavelet threshold.
主
要
内
容
在头皮脑电信号采集过程中，极易受到各种噪声干扰。由于脑电信号的非线性、非平稳、宽频带特性，这些干扰信号往往与有用信号混叠。如何消除原始脑电数据中的噪声，以更好地获取反映大脑活动和状态的有用信息是进行脑电分析的一个重要前提。本课题要求研究脑电信号的预处理方法，设计一种算法去除包括眼电在内的噪声信号，并仿真实现。
(1)基于独立分量分析(ICA)的脑电信号去噪方法[3,4]工频噪声、心电伪迹以及脑电波源信号之间的关系是统计独立的,满足ICA方法的分离条件,可将脑电信号去噪问题转化为独立分量分离问题,通过构造与工频噪声频率相同的正交正弦和余弦信号作为对工频噪声的参考信号,将构造的两个参考信号和心电信号以及含噪脑电信号作为ICA中混合矩阵的输入信号,采用收敛速度快的Fast ICA算法把脑电信号中的工频噪声和心电伪迹作为独立信号分离出去,得到去噪后的脑电信号。结果通过ICA方法对噪声进行分离后,脑电信号中的两种噪声基本被消除,并且可很好的保留脑电信号有用成分。