特质焦虑脑电信号的识别与分类分析-教育技术学专业论文.docx

天泮师范人学硕十学位论文classificationandidentificationofEEG aswellasbrainfunctionresearchisextremelyimportantandvaluable.Experim entalresultsshow thatthe feature param eters extracted by waveletanalysis,asthe SVMinputeigenvectorcanachieverelativelygoodresults,classificationaccuracyarrives86% .Keywords:TraitAnxiety;EEG;W aveletAnalysis;FeatureExtraction;SVMin天泮师范火学硕士学位论文目录n - m■11.1课题研究背景和意义11.2脑电信号的研究概况11.3本文主要研究工作及论文组织31.3.1本文主要研究工作内容31.3.2 本文组织结构3第二章脑电信号分析基础52.1脑电信号基础52.1.1脑电信号的生理机制52.1.2脑电信号的采集方法62.1.3脑电信号的分类72.2 脑电信号的特征及应W82.2.1脑电信号的特征82.2.2 脑电信号的应用92.3脑电信号的主要分析方法102.3.1时域分析102.3.2 频域分析102.3.3 时频分析112.3.4 人工神经网络122.3.5 混沌理论122.3.6 独立分量分析122.3.7其他分析方法132.4 本章小结13第三章基于ICA 的特质焦虑脑电信号的预处理143.1独立分量分析（ICA )简介143.1.1ICA 算法的基础理论153.1.2ICA 算法在脑屯信号处理中的应用163.2基丁-ICA 的特质焦虑脑屯信号的预处理163.2.1实验数据163.2.2 数据的选取依据173.2.3数据预处和理选取的实现173.2.4 基于ICA 的特质焦虑脑屯信号的预处理183.3本章小结20第四章基于小波分析的特质焦虑脑电信号的特征提取214.1小波变换214.1.1连续小波变换224.1.2小波基的选取244.1.3离散小波变换254.1.4小波多分辨率分析284.2特质焦虑脑屯信号的小波分解、特征提取及实现304.2.1脑电信号的小波分解304.2.2 特质焦虑脑屯信号的特征提取32IV天洋师范大学硕士学位论文4.2.3实验结果344.3 本章小结34第五章基于支持向量机的特质焦虑脑电信号的分类研究365.1统计学习理论（SU T)375.2支持向量机（SVM )分类的基本原理385.2.1支持向量机（SVM )算法385.2.2支持向量机（S VM )的特点405.2.3支持向量机（SVM )的应用及实现415 .3 基于支持向量机（SVM )的特质焦虑脑屯信号的识别与分类425.3.1核函数的选择425.3.2实验结果与分析445.4 本章小结46第六章总结与展望476.1全文总结476.2 工作展望47参考文献49mm52V7天津师范大学硕士学位论文第一章绪论1.1课题研究背景和意义特质焦虑是一种在焦虑倾向中相对稳定的情绪状态，个体差异比较明显，主要表现为感觉危险、威胁刺激和感受这些剌激的状态焦虑的反应倾向方面有一些差异。焦虑是人们常常感受到的一种负性情绪，本身具有一定适应性，让个体处于警觉状态，采取相应的应对措施从而避免受伤害。然而，凡事有利有弊，长期处于高水平焦虑状态，就会给人带来不必要的身心伤害。.近年来，人们开始将计算机技术和成像技术用于情绪的研究中，生理学指标测量、电生理方法及脑功能成像等相关技术都相继应用到情绪的研究当中。研究发现，各种情绪的变化会在大脑不同的皮层位置反映出不同的EEG。目前，EEG技术在认知研究方面应用的越來越多，EEG 依据的是电生理原理，时间分辨率能达到毫秒级。实时性是EEG 技术比较显著的一个优势，因此适合实验室对情绪的研究，实验室对情绪研究的重担就落在EEG技术上。而目前国内外对情绪的脑电信号的研究比较少，尤其是特质焦虑者脑电信号的研究就更少。这些年，经过脑科学家的不断研究发现，脑电信号非常复杂，蕴涵着特别丰富的人体信息，比如人体的生理信息、病理信息以及心理活动等信息，通过这些信息可以比较直观的反映大脑的功能状态。因此，目前对人的很多精神等方面的病理研究都是基于脑电及其相关技术方面的，其关键就是要对采集到的脑电信号进行分类与识别。深入研究分析特质焦虑者的脑电信号，为特质焦虑者的测量研究以及制定特质焦虑干预策略提供理论依据，对促进心理健康和社会适应能力，是非常必要且很有意义的。1.2脑电信号的研究概况脑电信号（EEG )是通过电极记^ 下来的大脑细胞群的发性^ 物电活动，是一种时空信号，