脑波信息混沌分析理论与实施研究.pdf

信号的问题。在相对较小的样本数据量下，得到较为理想的结果。此后，本文 又讨论了结合分形概率密度与多导相空间重构技术分析脑电信息的问题。这种 方法不仅有效的解决了嵌入维数增加引起的噪声，同时对样品数据量的要求亦 大大降低。通过对实际数据的计算，分别得出脑的左半球与右半球的分形维数， 结果稳定理想·这也充分证明了脑波信息的非“”混沌”征。/ 为了使非线性分析方法在对脑电信息处理时所得结论更稳定且更具可比 性，本文提出一种脑特征波的自动检测及伪差消除技术，以 “提纯”脑波。在 实际应用及自动检测中，本文以脑癫痈波为检测对象，以软件的形式消除信号 中的伪差， 自动截取相应特征的癫痈波，为进一步的非线性分析作好准备。卜 技术简洁、实用，适合多种不同特征脑波的自动检测。利用这一技术，本文提 出EEG信息的二元特征时间序列的概念及把数值EEG信号转变为二值特征序 列的方法。并且对以二值特征序列表示的不同生理及病理状态的脑波进行分析， 研究其复杂度。Y 关健词:混沌 伪差 GP算法 分形概率密度 二元时间序列 镶 Abstract Peoplehadnolongersatisfiedthelinearmethodtodealwithnonlinear phenomenonofthematerialworldsincethechaosofnonlineardynamicsdiscovered. Thesignalofelectricfieldsinthebraincomerfomvastofthenervecellsthatare connectedasahighlynonlinearsetandcoupledtogether.Itismoreefficaciousto explainandsimulatethefunctionandstateofthebrain byusingthemethodof nonlineardynamics.Thiskindofstudyisnowhighlightedinneuroscience. Accordingthebasictheoryoftheneuroscience,thenonlinearchaoticmethodfor thebrainwavehasbeenanalysiscompletelyinthispaper.Thefunctionsandproblems oftheattractorreconstructiontechnique(ART)ofTakensandGrassberger-Procaccia algorithm(GPA)havebeendiscussedattentivelyforusingthemintherfactaldimension studyofthebrainwaveseries.ItisanalyzedhowtheparametersoftheGPalgorithm influencethefinalresultinprocessingthebrainwaveseries.Furthermore correspondingmethodshavebeenintroducedtoimproveandmodifytheGPA.Itis pointedoutthatthenoiserfomtheartifactsintheoriginalsignaloftheEEGandART itselfisthebasicreasontocausethebiased.Andthisbiasedincreaseswiththe embeddingdimensionincreased.Moreover,thesingalofthebrainwavewouldnotkeep tostayinonestateforalongtimebecauseofitsnonlineartime-varyingcharacter.This isthereasonthatsmallsamplesizecannotmeettheconditionforusingGPalgorithm anditmakesresultunsatisfactory. ConsideringtheproblemswhileapplyingtheGPalgorithmontheEEGtimeseries andcharac