基于网络变换到时间序列的脑电信号研究-信号与信息处理专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名：______ _ __ 日期：____ _ _ 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名：______ _ _ 导师签名：____________ 日期：______ __ _ 摘要 大脑可以看作成一个复杂的网络系统，组成该系统的功能单元可以看作成网络的节点。 将脑电信号研究转换成对网络的研究已成为研究脑电信号的热点。复杂网络再转换成时间序 列的研究却被忽略了。本文采用了逆向分析脑电信号的方法。 本文的主要工作如下： 一、本文提出一种基于改进的 k-最近邻网络产生时间序列来分析癫痫脑电的方法。利用 改进的 k-最近邻网络将单导联癫痫脑电信号构建成网络，再将网络转换成时间序列，将该时 间序列与原始时间序列进行功率谱分析并比较。实验结果表明研究网络产生的时间序列的功 率谱比直接研究原始脑电信号的功率谱更容易区分正常人和癫痫患者。此外，研究该网络的 集聚系数也能够区分正常人和癫痫患者。该研究能够为癫痫研究及临床诊断提供了重要的参 考依据。 二、本文应用基于改进的 k-最近邻网络产生时间序列来分析不同的注意力状态脑电，进 行了基于改进的 k-最近邻网络产生时间序列来分析注意力脑电的研究。实验结果表明该方法 也能有效区分闭眼脑电状态信号和计数脑电状态信号。该研究能够为注意力脑电状态研究供 了重要的参考依据。 三、本文提出基于 Kendall 非协调因子参量的网络转变成时间序列分析的方法并用于分 析癫痫脑电。将 16 导联原始脑电利用扩展的 Kendall 等级相关系数构建成脑电网络，然后将 脑电网络转换成时间序列，再分析该时间序列功率谱最大值均值。论文还通过实验为网络转 换成时间序列研究选取合适的 Kendall 非协调因子。实验结果表明，与直接研究脑电信号功 率谱最大值均值和研究基于 Kendall 构建网络的网络特性来区分正常人和癫痫患者相比，研 究基于扩展后的 Kendall 网络转换后的时间序列功率谱最大值均值更能够有效区分正常人和 癫痫患者，该方法能够有助于癫痫疾病的临床诊断和分析。 关键词: 时间序列，复杂网络，癫痫，脑电信号 I Abstract The brain can be regarded as a complex network system, and the function unit of the system can be seen as the node of the network. The research on the conversion of the electroencephalogram (EEG) signal to the network has become a hot topic in the study of EEG signals. The study of time series converted from complex networks has been ignored. In this paper, we use the method of the reverse analysis of EEG signal, and the analysis of the time series. The main work of this paper is as follows: Firstly, this paper presents a method to analyze epileptic EEG based on time series from improved k-nearest neighbor network. The single lead Epilepsy EEG signal was converted into network based the