基于小波脑电信息提取.docVIP

基于小波脑电信息提取 　　摘 要：脑神经功能信息学是信息科学与脑神经科学的交叉科学， 它既有意义重大的基础研究， 又有丰富而广阔的应用课题脑神经功能信息学的交叉学科的性质， 不仅体现在其研究方法、研究领域与其他学科的重合和互补上，还体现在其从基础研究走向应用研究的过程中与其他学科的双向促进。脑电图信息是反映大脑活动状态的重要数据，该种类型的数据信息主要具有自动性和诱发性。在这种情况下，如何更好地对这些信息加以分析，并进行有效利用对于医学上的临床诊断工作水平的不断提高来说具有十分积极的意义。小波变换是信号分析和特征提取的重要工具，能够将时间这一要素考虑在内。本文对此进行了有效分析，并指出了改进方法。 　　关键词：自发脑电信号； 诱发脑电信号；小波变换； 阈值 　　1 引言 　　进入二十一世纪之前， 美国最早提出了“ 人类脑计划”这一研究课题， 该项研究主要属于神经信息学方面的研究工作， 其实是对神经学科与信息技术的融合。从这一一时期开始，人们便将更多的精力投入到大脑支配行为的研究当中。人工电子耳蜗就是脑神经功能信息学的典型应用，把麦克风接收到的数据信息， 经过特殊手段处理成为多通道（ 可多达28 通道以上）的语音刺激信息，用一定的微电极对耳蜗处的听觉细胞进行有效调控，从听觉上可以达到良好的效果， 强化大脑神经中枢的听觉功能。现阶段，澳大利亚、美国在这些方面均取得了一些进步。对于这些研究内容我们可以进行如下的分析[1，2]： 　　（1） 脑功能数据信息的收集、整理，这是开展相关性研究的最基本的要素。 　　（2）对于出现异常的脑部疾病表症的检查，这是脑功能信息学最应该研究的，具有关键性的内容。 　　（3） 脑功能调控及康复研究，这在医学领域有很广泛的应用。脑电信息（Eleetroeneephalogram简称EEG）是人体内部大脑信息活动的整体检查反应。人体大脑活动，被称作是Elektroenkephalogramm，简称EEG。二十世纪三十年代，Deicth首次对EEG的相关内容进行了分析。在之后的几年里，该领域分别展开了相关的各项分析研究工作。不同的分析方法所分析的对象具有很大的不同，如幅度、均值、方差等。 　　在有的情况下，可以接受到的脑波信息是非常微弱的，且信号源的内阻很高，不管采取什么样的检查手段最后所得的效果差异性也很大，同时还特别容易受到外部信息源的影响。小波调整是各类信号不断进行有效调整的重要手段，不管在时间上还是在地域上都会受到很大的影响，适应性很强。一些频率比较高的波，需要采取特殊的方式控制好时间范围与距离范围，才能获得有用的信息，加以利用，才可以进行更加精确的分析从而获得理想的效果；对于波频比较低的情况，小波分析采用逐渐粗略的时域或空域采样步长，这样才能获得更加客观的整体的信息。现阶段，在医学界的临床治疗中，对于脑电图的分析很多情况下都是通过肉眼观察来完成的，这种传统的方式很容易引起各类失误的产生，容易导致临床EEG的“数据压缩”和“特征提取”处在主观阶段无法改变。小波分析则会对这些问题产生很大的影响，为影响信号的有效传递。在对状态进行调整时，通过传统形式无法实现正常的转变，在这种情况下我们必须进行必要的检测，还需要对周期性的数据信息进行个别化处理。小波则会对局部特征产生独特的影响，在短时间内实现更好地转变，不但能对数据进行调整，同时也能进行数据信息的进一步简化。 　　2 基于小波的脑信号去噪 　　2.1 小波阈值法在脑电信号去噪中的应用 　　用Dnohoo提出的小波阈值措施可以控制噪声的干扰。该种措施的观点是信号对应的小波系数对于信号的影响是重要的，其幅度比较大，而且数目的量也比较低，同时其与噪声相关的系数也很容易发生变化，个数与幅度均会发生很大的变化。在这一思想观念的基础之上，Donoho等人则提出了相应的方法进行控制，将绝对系数值控制在一定的范围内，在这种方式之下小波系数则会发生相应的改善。通过这种措施在Besov空间中可以得到最佳的实现方式，而其它的估算方式（包括核估计、近邻估计以及局部多项式估计）都不能达到这种效果，所以该种方式是目前去除噪声干扰的最佳方式。本文在这一基础上进行了相应的研究与分析，对其在脑电系统中的应用进行了分析。在生物医学信号采集过程中，可以通过过个仪器设备的使用来达到良好的效果，所有信号的使用都是独立成分的相互融合，这一点具有普遍使用性。在进行脑电信息收集的过程中，不但会对脑内神经元产生影响，同时也会对其它方面产生重大影响，影响了研究结果的科学性。所以需首先将心电和脑电信号进行分离。 　　2.2 快速定点独立分量算法用于心脑电信号的分离研究 　　采取独立分量诊断（CIA）是最近几年最常用的重要信号处理技术，主要的方法就是将不同的几个原则分解成为相关的几个