甲亢患者心率变异信号的现代谱分析法

采用自制的心电信号采集系统,将心电图机的模拟信号放大滤波后,送入计算机中的采集卡中,采样频率设为1 000 Hz,连续采集5 min的心电信号并保存于硬盘中.利用现代谱分析法和FFT分析法,分析了19例正常人和10例甲亢患者心率变异信号的VLF/HF值.可以看出,甲亢患者和正常人的VLF/HF值有明显的差异.对比现代谱分析法和FFT分析法,在正常人和甲亢患者VLF/HF比值对比研究中,现代谱分析法并无明显的不同和优势.研究结果表明,谱分析法是分析甲亢患者自主神经异常的有效手段.     

情感识别中脑电信号Lempel-Ziv复杂度的研究

在生理信号中,基于脑电信号的情感识别越来越引起研究者的重视。Lempel-Ziv复杂度测量是一种有效的非线性脑电信号分析方法,同时在情感脑—机接口系统中还可以用于进行情感的识别。文章在传统Lempel-Ziv复杂度算法的基础上,提出一种新的Lempel-Ziv复杂度算法,从而更好地进行基于脑电信号的情感识别。首先进行脑电信号的预处理,通过小波包变换来保留脑电信号的低频信号;然后利用非线性滤波器来移除脑电信号中的奇异值;进一步我们提出一种有效的自适应Lempel-Ziv复杂度算法来度量脑电信号的复杂度,并应用此特征值来识别情感。实验结果证明此方法可以从脑电信号中提取出更多有效的模式。同时,它还能够精确地检测到脑电信号的振荡情况,从而提取出不同情感状态下脑电信号中本质的非线性特性。     

频域多分辨分析及其对提取脑电特征波的应用

提出一种基于傅里叶变换的频域多分辨分析的新理念,对频域空间进行2进制多分辨分解,并用于分解脑电信号的4种脑波主要分量,以及研究脑电信号各种节律的动态特性.结果表明,该方法物理意义清楚,能获得比小波多分辨分析更多的信息,并能够有效提取脑电不同节律的时频特性,是一种新的描述脑电信号动态时频变化特征的定量定性分析方法.     

表情驱动下脑电信号的建模仿真及分类识别

针对自发型脑电信号识别率低、个体差异度大等问题,提出了一种新的基于表情驱动脑电信号的脑机接口方式,并进行了建模仿真及实验验证。利用神经元集群模型对表情驱动脑电信号进行机理建模与仿真分析,得到自发表情的相关脑区及表情驱动脑电信号的频率分布特性;提出了一种基于小波变换和人工神经网络模型映射的表情驱动下脑电信号分析识别方法,有效提高了表情驱动下脑电信号的识别率。从神经生理学角度验证了表情驱动脑电信号的特征来源是受大脑前额叶皮层和边缘系统相互协调共同控制的,并通过实验验证了所提脑电信号分类识别算法切实有效,其最高分类准确率可达85%。     

基于灰色系统理论的脑电特征提取

提出了脑电特征提取的一种新方法。研究了灰色模型在自发脑电特征提取中的应用，同时给出了脑电信号特征提取的总体方案。研究结果表明，在脑电信号处理中使用灰建模方法提取脑电特征是可行和有效的，同时该方法也为进一步的脑功能模式识别研究提供了初步的理论基础。     

去除癫痫脑电信号运动伪迹的变分模态分解-自适应熵阈值方法

针对癫痫发作前期脑电信号中含有运动伪迹影响癫痫预测的问题,提出一种变分模态分解-自适应熵阈值(VMD-AET)的运动伪迹去除方法。设计了实验室环境下8种模拟运动状态,分析不同运动状态下脑电信号的变化规律;利用VMD方法获得脑电信号各频带的变分模态分量,对分量进行能量熵求解和排序;采用不同的熵阈值进行运动状态下伪迹分量的去除,比较得到能量熵的最优阈值,得到不含运动伪迹的脑电信号;采用Matlab软件使用VMD-AET方法实现了脑电信号中运动伪迹的有效去除。实验结果表明:每种运动状态均能达到去伪迹效果,在跑步时伪迹去除率和信噪比提升最高;对癫痫病人发作前期脑电信号的伪迹去除率为5.54%,信噪比提升达到10.35 dB;与常用的独立成分分析和经验模式分解的阈值法进行对比,所提VMD-AET方法的伪迹去除率和信噪比提升了1.47%和3.36 dB,可满足对移动脑电运动干扰的预处理要求。     

基于独立分量分析的眼电伪迹去除方法研究

脑电信号极易受到眼电信号的干扰,这会导致脑电信号处理结果与实际情况发生较大的偏差,因此,去除包含于脑电信号中的眼电成分是信号预处理的一个重要操作。研究了独立成分分析理论及概要模型,提出一种基于Informax的优化ICA方法,对混入脑电信号中的眼电信号进行辨别、分离、重构,实验结果表明该方法能够准确地从混合信号中区分出眼电伪迹的独立成分,进而实现对原脑电信号的特征增强。     

脑电信号的现代分析方法

脑电图（EEG）是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。临床实践表明，脑电信号中包含了大量生理与疾病信息，通过对脑电信号的处理，不仅可以为医生提供临床诊断依据，而且可以为某结脑疾病提供有效的治疗手段。作者从脑电信号的分析出发，论述了频域分析、时域分析等脑电图分析中常用的信号分析方法和特点，特别介绍了Wigner分布、小波变换和匹配跟踪等时频分析方法、人工神经网络和非线性动力学方法在脑电信号分析和处理中的应用情况。     

睡眠脑电信号的多重分形去势波动分析

睡眠过程中的脑电信号时间序列具有复杂的波动性特点,为了研究不同睡眠时期脑电信号的分形特征,运用多重分形去势波动分析的方法对5例受试者的整夜睡眠脑电信号进行了分析．计算结果表明,睡眠脑电序列具有长程相关性,而且是多重分形过程．不同的睡眠时期广义赫斯特指数不同,随时间尺度的增加而增大,变化趋势一致．醒期的脑电信号广义赫斯特指数最大,REM期介于睡眠一期和二期之间,其他各期随睡眠的加深逐渐增大．为睡眠脑电信号动力学机理的进一步研究提供了坚实的实证基础．     

基于脑机接口的自动驾驶意图研究

为了得到驾驶员在驾驶过程中的驾驶意图,通过采用理论分析与实验、仿真相结合的方法对大脑不同区域的脑电信号进行研究分析;设计模拟驾驶实验,建立脑电信号采集系统,采集驾驶人在左转、右转、直行前指定时间窗内的脑电信号;对采集的脑电信号运用小波包变换等方法进行信号分析处理、提取特征参数;建立粒子群算法的支持向量机模型和神经网络的驾驶意图识别模型;并对更高识别率的驾驶意图信号转换为相应的指令控制车辆实现自动驾驶。结果表明：粒子群优化算法的支持向量机的识别率最高达到73.53%,粒子群算法的神经网络识别模型具有更高的识别率最高可以达到92.9%。