采用小波变换的脑电图信号分析及其应用.pdfVIP

第36卷第2期 华侨大学学报(自然科学版) VoL36 No．2 Journalof Science) Mar．2015 2015年3月 HuaqiaoUniversity(Natural 文章编号：i000—5013(2015)02—0166—05 采用小波变换的脑电图信号分析及其应用 蔡琼1，陈鹏慧1，魏武2 (1．湖南信息职业技术学院电子工程学院，湖南长沙410200 2．华南理工大学自动化科学与工程学院，广东广州510641) 摘要：为解决用小波变换方法进行脑电图(EEG)多分类自动识别容易出现特征信号混同化、识别率不高的 问题，将小波变换中小波基的选取方法由单个的小波母函数改为能适应不同波形的多小波基，然后用支持向 量机的方法进行分类．结果表明：在典型的脑电波EEG信号自动识别中，与传统的单小波母函数相比，多小波 基(小波母函数序列)能检测出更多的特征波形；用基于多小波基的小波变换识别方法要明显优于基于传统的 Coif，Morlet等单小波基小波变换方法． 关键词：脑电图；自动识别；多小波基；小波变换；支持向量机 911．6 中图分类号：R444；TN 文献标志码：A 作一个临床诊断和研究的工具[1]．EEG检查对神经系统疾病诊断、病情监测及疗效观察有重大作用．通 过脑电波就可以发现异常生物电，通过仪器还原，可以发现哪部分大脑发生了疾病[2]．因此，EEG检查 己广泛应用于临床医学、心理学和认知神经科学的研究中．EEG自动识别方法主要有Lyapunov指数 法[3]与时频分析法．无论是谱分析的方法，还是非线性动力学的方法，在研究EEG信号时都要求信号是 平稳的．但EEG信号是非线性非平稳信号，这就对连续的动态分析形成了挑战．于是，以如维格纳分布 等时频分析为代表的非平稳分析方法引起了人们的极大兴趣．然而，对于多通道分量EEG信号而言， 维格纳分布的时间、频率双线性会使其存在严重的交叉项干扰，阻碍其对EEG信号的有效分析及分量 参数的提取，大大降低自动识别的效果，从而影响了维格纳分布在EEG信号中的应用与推广[4]．小波分 合，小波分析才在EEG信号消除噪声、信号分析、特征检测、自动识别等领域中引起关注[5]．本文将能适 应不同波形的多小波基(小波母函数序列)代替小波变换中的单个小波母函数，然后用支持向量机的方 法进行分类，并应用于典型的脑电波EEG信号的自动识别中． 1基于小波变换的EEG分析 小波基函数(母函数)选取及计算尺度n(分辨率)的选取都是小波分析过程中亟待解决．有限带宽 的EEG脑电波信号在某一尺度下的小波相当于一个带通滤波器[6|，若此带通滤波器用来分析EEG信 号，则在频域空间上必须与待分析的EEG信号有交集，具体分析模型为 1 roo ． S(t)gz(‘-v)dt． (1) w善(n，r)一(s(￡)，xlz(t))一圭I 心nJ— a 选取EEG时频分析中最常用的非正交性Morlet复值小波为小波基函数，即 1 9(￡)一；l一·exp(t2／A)·exp(inf。￡)． (2) 收稿日期： 2015—-03—-20 通信作者： mail．hniu．cn． 基金项目： 湖南省教育厅科学研究基金资助项目(12C1174) 第2期 蔡琼，等：采用小波变换的脑电图信号分析及其应用 167 式(2)中：厂c为小波的中心频率；^为带宽参数．Morlet小波变换中的小波中心频率对应不同的带宽或 分辨率．这是由于Morlet小波有一个恒定的比率K=