组合赋权法在居民健康状况综合评价中应用.doc

组合赋权法在居民健康状况综合评价中应用 　 【关键词】; 自回归模型；白化滤波器；小波；诱发电位 毕业论文 　　摘要：从被淹没在数十微伏的自发脑电背景中单次提取微伏级的视觉诱发电位，是脑计算机接口的核心问题之一。将靶刺激出现前记录到的短时非靶刺激信号看作自发脑电，计算自回归模型参数，构造一个白化滤波器，再将实时信号通过上述白化滤波器进行滤波，使自发脑电得以白化，然后采用普通数字滤波器滤除白躁信号，使得非靶信号幅值更小，靶刺激信号更加突出。与不用白化滤波器进行对比实验相比，模式分类的正确率得到了提高。 毕业论文 ; 关键词：自回归模型；白化滤波器；小波；诱发电位 毕业论文 　　1引言 毕业论文 ; 由脑计算机接口构成的脑控拼写装置，可以帮助高位截瘫患者实现与外界的交流。人脑和计算机之间的通信载体往往采用Oddball模式产生的诱发电位［1］。由于靶刺激所产生的脑电信号主要由诱发电位、自发脑电、伪迹和其它白躁声干扰信号组成，为了有效地单次提取诱发电位，必须对其它信号尽量去除或削弱。自发脑电是脑神经系统生理活动在大脑皮层或头皮表面的总体反映，只要人的生命存在，不管有没有主动的思维或被动的诱发，它就永不停息地运行着。其产生机理复杂，是一个时变的非平稳有色“噪声”，其信号幅度约比诱发电位高出2～5倍，有时可高达100μV左右。更糟糕的是，它的频域范围完全涵盖了诱发电位的频域范围，传统的低通滤波器只能滤除高频信号（可能是诱发电位、自发脑电、伪迹和其它白躁声干扰信号中的高频成分），对频率较低的自发脑电却无能为力。为了有效地去除自发EEG，在一个短的时程内可以假设自发EEG是平稳的，这样就可以用平稳信号处理模型对其进行处理［2］。 毕业论文 ; 在本研究中，由于采用模拟自然阅读模式［3］产生视觉诱发电位，自发脑电得到一定程度的制约，幅度变化不太大，且被伪迹污染了的信号采用阈值法先行剔除。因此，这里仅就自发脑电和白噪声消除的问题进行研究，首先对信号进行白化滤波，然后对白躁信号进行消除，以突出特征脑电信号。 毕业论文 ; 2实验数据描述 毕业论文 ; 本实验模式及数据来源于中南民族大学脑认知开放实验室。本实验记录在模拟自然阅读模式下靶刺激和非靶刺激所引发的视觉诱发电位。被试为一名正常青年男性，代号为H。4个银/氯化银电极分别位于Fz、Cz、Pz和Oz处。数据经HP5113低躁放大器放大，通频带设为0.1~30Hz，且设置50Hz工频陷波器。采样频率为427Hz。每次记录以一个短纯音开始，被试此时集中注意力于小视窗中平滑移动的非靶标，以搜寻靶标的到来。靶刺激将在短纯音后2～4秒随机出现。每次试验记录的时程为1.2s (以靶刺激出现时刻为基准，－320ms~880ms)，采集512个样本。将每次选择作业的512个采样数据记录为MATLAB6的数据文件，格式为：通道号×样本×作业号。然后对于有幅值大于45μV采样值的作业记录，认为它受到了眼电或肌电的污染，将其丢弃不用。这样，对被试H我们得到84个靶刺激信号和84个非靶刺激信号，共168个选择作业记录。实验的详细描述可参见文献［4］。 毕业论文 ; 3特征脑电的自回归白化滤波 毕业论文 ; 平稳的随机信号可由白躁声激励某一确定系统产生［5］，如图1所示。 毕业论文 ; w(n) 毕业论文 ; →H(z)E(n) 毕业论文 ; → 毕业论文 ; 图1平稳随机信号产生框图 毕业论文 ; 图中w(n)为白躁声激励，E(n)为响应信号，对于自回归（AR）模型，对应的差分方程为： 毕业论文 ; E(n)=w(n)-∑p k=1akE(n-k)(1) 毕业论文 ; 则系统的传递函数为： 毕业论文 ; H(n)=1 1+∑p k=1akz-k=1 A(z)(2) 毕业论文 ; 显然，系统是可逆的。那么，根据AR模型可以构造一个白化滤波器，系统函数为： 毕业论文 ; A(z)=1+∑p k=1akz-k(3) 毕业论文 ; 式中ak 是AR模型的参数，p是AR模型的阶数。自发脑电信号通过系统A(z)的输出信号是随机白躁声w(n)。 毕业论文 ; w(n)=∑p k=0akE(n-k)(4) 毕业论文 ; 现假定用户选择作业记录仅由事件相关诱发脑电（EventRelated Potential, ERP）和自发脑电线性叠加构成，且假定它们是独立的。则每次刺激后所记录到的信号x(n)可表示为下面的形式： 毕业论文 ; x(n)=s(n)+E(n)(5) 毕业论文 ; 式中s(n)为ERP成分，E(n)是自发脑电成分。 毕业论文 ; 为了区分靶刺激与非靶刺激所