基于小波变换的特征提取脑诱发电位.pdf

大 连 民 族 学 院 本 科 毕 业 设 计（论 文） 快速提取诱发脑电算法地研究 学 院（系）：信息与通信工程学院 专 业： 通信工程专业 学 生 姓 名： 陆万安 学 号： 2009081412 指 导 教 师： 李婷 评 阅 教 师： 姜明新 完 成 日 期： 2013 年 6 月 7 日 大连民族学院 摘 要 从头皮采集地脑电信号中通常夹杂着不同种类地伪迹，主要如：眼电、心电、肌 电、工频干扰，它们主要来自一些生理源和噪声源地影响 .这些干扰很大程度上淹没了 微弱地诱发电位 (EP)，给临床应用和科研分析带来了极大地不便 .如何从原始脑电中获 取大脑活动地诱发信息成为脑电分析中有待解决地问题 . 本文介绍了两种快速提取诱发脑电地新算法 —小波分析和独立分量分析 .小波分析 理论是一种新兴地信号处理理论，它在时间上和频率上都有很好地局部性，这使得小 波分析非常适合于时 — 频分析，借助时 — 频局部分析特性 .利用小波方法去噪，是小波 分析应用于实际地重要方面 .ICA 地根本原理是通过分析多维观测数据间地高阶统计相 关性，找出相互独立地隐含信息成分，完成分量间高阶冗余地去除及独立信源地提取 . 本文首先详细介绍小波分析去噪和独立分量分析地原理地算法 ,同时阐述这两种方 法在信号处理中地运用；其次利用小波阈值去噪法和独立分量分析中地 FastICA算法对 一个纯净地 EP信号加入噪声之后进行去噪处理，实例验证理论地实际效果，同时证实 了理论地可靠性 . 关 键 词 ： 诱 发 电 位 ； 小 波 分 析 ； 去 噪 ； 独 立 分 量 分 析 Abstract There are many kinds of artifacts in the raw brain signals from scalp, such as eyes blinks, Electrocardiograph, electromyography and other mechanical noises, which could degenerate the real evoked potentials(EP). How to extract the underlying evoked potentials from noisy acquired data has became an important and urgent problem to be resolved. This paper describes two kinds of new rapid extraction algorithm Evoked Potentials – wavelet analysis and independent component analysis. Wavelet analysis theory is a new theory of signal process and it has good localization in both frequency and time do-mains. It makes the wavelet analysis suitable for time-frequency analysis. Using wavelet methods in de-noising, is an important