基于近似熵和样本熵的思维脑电信号分析对比.pdfVIP

第30卷第6期 重庆工商大学学报(自然科学版) 2013年6月 J TechnolBusiness Sci V01．30NO．6 Chon鹊ing UIliv．(NatEd) Jun．2013 文章编号：1672—058X(2013)06—0044—04 基于近似熵和样本熵的思维脑电信号分析对比 李营，陈帅，王丽 (淮南师范学院电气信息工程学院，安徽淮南232038) 摘要：采用近似熵和样本熵，分别对三种不同思维任务产生的脑电信号进行特征提取，并将其特征进 行比较分析，结果显示不同思维作业脑电信号的样本熵的变化幅度明显大于近似熵；近似熵和样本熵作为 非线性动力学的统计方法为思维作业脑电信号特征提取提供了一种新的途径。 关键词：近似熵；样本熵；思维作业；脑电信号 中图分类号：TN911．7 文献标志码：A O 引 言 脑电信号(EEG)反是一种产生机理相当复杂且非常微弱的随机信号，它反应了大脑的脑电活动。当人 们在做不同思维时脑电信号也各不相同。针对EEG，人们主要对它做预处理，然后通过信号特征提取来分 析大脑的思维活动。目前，已知的多种特征提取方法主要集中在时域和频域，这些方法主要采用经典的统 计信号处理方法和谱分析方法，将EEG视作平稳信号，因而有一定的不准确性。先有研究结果表明，脑电信 号呈现确定系统的混沌规律，属于典型的非平稳随机过程¨’2j。因此除了时域、频域特征外，脑电的非线性 特征成为目前特征提取的主流。近似熵和样本熵作为度量序列复杂性的统计方法，具有需要数据点数少以 及抗干扰和抗噪能力好等特点，对确定信号和随机信号都适用等优点。所以它们一经提出就受到人们欢 迎，并已应用到不少的生理过程研究之中，如脑电信号，心率信号、血压信号等方面。采用近似熵∞1和样本 熵H41作为脑电复杂度指标，针对以同步采集的6导脑电信号的复杂度为特征，分析不同思维作业状态下脑 电信号复杂性的变化，对脑的思维状态进行探索。 1 近似熵及其算法 近似熵(Appmximate 非线性动力学参数。它用一个非负数来表示一个时间序列的复杂性，反映时间序列中新信息发生率，越复 杂的时间序列对应的近似熵越大。 相接近，那么当m+l维相比较时，仍然保持接近的可能性。保持接近的可能性越大，则ApEn的值越小。重 收稿日期：2013—0l一17；修回日期：2013—02—09． 作者简介：李营(1983一)，女，陕西铜川人，助教，硕士研究生，从事信号与信息处理研究 万方数据 第6期 李 营，等：基于近似熵和样本熵的思维脑电信号分析对比 45 复序列的却En值很小，而明显随机行为的Ap眈值就很大。 _Ⅳ一m+l 1 n’一，H十1再 说，m取2、r取O．2倍的原始数据序列的标准差、Ⅳ大致在100～5000点。 2样本熵及其算法 样本熵(S枷ple 差，与已知的随机部分有更加紧密的一致性，该算法的具体步骤如下： 应元素中差值最大的一个，即：d[石(i)，z(J)]=．田ax Ⅳ一爪+1 五 序列的样本熵为：s口唧E凡(m，r)2牌一ln【刍岩J。当Ⅳ为有限值时，按上述步骤得出的是序列长度为Ⅳ时 ‘正J L，，。 括更大的值，及更加准确的估计。 3 近似熵及样本熵在思维作业脑电信号分析中的应用 3．1 思维作业脑电数据 本论文使用Colorado州立大学EEG研究中心在互联网上提供的思维作业脑电数据旧1。数据采集如下： 受试者坐在隔音的光线微弱的房间内，头戴电极帽，按指示完成一定的思维作业，记录相应的脑电信号。电 极按国际10～20系统标准安放于c3、C4、P3、P4、01、02，共6导，采样率为250Hz，模拟滤波范围为o．1一 100