基于脑电波复杂度的麻醉深度监测

脑电(EEG)是能反映麻醉深浅程度的电生理信号，为了能从非线性、非平稳的脑电信号中提取与麻醉深度相关的有效信息，笔者采用由Lempel和Ziv提出的复杂度算法，对实测SD大鼠在不同麻醉状态下脑电信号的复杂度进行计算，比较了不同麻醉深度下脑电复杂度的变化情况．从实验观察的现象与数据比较结果可见，利用复杂度来表征脑电信号的特征值可以很好地反映麻醉的深浅程度，而且算法简单、实时性好，是一种量化庆醉深度的新方法．     

基于非线性特征提取的EEG信号支持向量分类器

为提高癫痫脑电(EEG)信号的正确识别率,设计了一种基于非线性特征提取的EEG信号支持向量分类器.分类器首先将EEG信号通过四层小波包变换分解到不同频段,然后计算各频段小波系数的近似熵(ApEn)值,作为特征向量,最后使用支持向量机(SVM)进行分类.实验结果显示该分类器能有效提高正确识别率.     

不同频段功率谱熵及其在心电分析中的应用

为了探究频域信号的有用信息,提出了将不同频段的谱功率作为一个独立的信源计算其信息熵的新方法.以年轻(21~34岁)与年老(68~81岁)二组健康人及一组心率不齐患者(66~89岁)的心电图(ECG)为实验数据,根据其频域特征选取多个不同频段计算功率谱熵.结果表明,在0.7~1.5 Hz和1.5~5 Hz频段内的ECG功率谱熵,年轻健康组明显大于年老健康组(P<0.01,P<0.001),年老健康组明显小于其年龄相近的心率不齐病人组(P<0.001,P<0.001),用全频段分割法也得出了类似的结果.不同频段的功率谱熵是分析ECG信号的有效指标.     

基于Tsallis熵和近似熵的认知事件相关电位动态复杂度分析

提供了两种分析认知事件相关电位（ERP）复杂度动态变化的估计算法——时变Tsallis熵（ETsEn）和时变近似熵（EApEn），并将其应用于分析Stroop任务中ERP的动态复杂度．实验发现：BTsEn比EApEn能更好地反映不同刺激类型的ERP复杂度差异；EApEn比ETsEn能更准确地体现ERP复杂度随时间变化的规律．额区、中央区和顶区的ERP的ETsEn和EApEn在刺激前、刺激处理过程中、刺激处理后均有显著差异，即在刺激前熵较大且无明显变化，刺激处理过程中熵显著减小，刺激处理完成后熵恢复至刺激前状态，其变化的时序与行为数据基本一致。结果证明了时变的Tsallis熵和近似熵对动态复杂度从不同方面度量的有效性，为客观度量ERP的复杂度提供了新方法．     

睡眠脑电的非线性动力学方法

在8例健康成年人的睡眠脑电监测实验基础上,利用已有的专家人工分期结果,提取睡眠各阶段特征数据,应用近似熵、复杂度和功率谱熵三种方法进行分析,从客观量化的复杂性度量来刻划睡眠深度的变化情况,对每个睡眠分期选取5000点数据,数据窗取1000点,逐次延时一个采样间隔得到几个时间序列,分别求复杂度,最后取均值即得此分期复杂性测度值,结果表明三种方法均与专家人工分期结果相吻合,近似熵算法复杂不适合在线分析;复杂度算法较简单,但数据粗粒化处理容易丢失信息;功率谱熵算法简单、快速及有效,因而用统计分析方法分析,表明功率谱熵能较好地反映睡眠深度的变化情况。     

谱熵分析方法在漏磁信号特征提取中的应用

为了研究谱熵分析方法在漏磁无损检测中的应用，将信息熵理论引入缺陷漏磁信号的特征提取工作中．通过试验分析证明一维谱熵、二维谱熵在缺陷类别辨识中的可行性，并指出其存在的局限性．提出了集能量集中程度、谱线的重心位置和能量大小3种指标于一身的适于缺陷定量分析、识别的谱熵三维向量的概念，并在室内实验台架上实际测得的不同尺寸矩形槽类内、外缺陷信号分析中进行了应用．实验结果表明，对于矩形槽外缺陷而言．谱熵三维向量中的三维向量指标与二维谱熵和一维谱熵相比，在漏磁检测缺陷定量化方面具有很大的优越性。为缺陷识别定量化提供了一条途径．     

基于多通道脑电特征运动意识任务的分类

提出利用多通道脑电（EEG）相关性信息作为特征，实现对想象左右手运动两种意识任务的分类．分析了两种意识任务下描述多通道EEG相关性的两个参数空间复杂度和有效场强的变化，发现想象任务开始时，对侧脑区空间复杂度增高，有效场强降低，而同侧脑区的变化恰好相反，较好地反映了想象左右手运动时大脑两侧运动皮层状态的不同．将两种特征联合用于分类，得到了满意的结果，从而为脑一计算机接口系统中意识任务的特征提取与分类提供了新思路．     

基于脑电图的新型情绪识别特征提取方法

基于脑电图(EEG)信号对情感识别计算进行研究.针对脑电图的特征提取难和模型计算难的问题, 提出了一种从EEG信号中获得可靠区别特征的创新方法.该方法将微分熵与线性判别分析(LDA)相结合,可被应用于情绪EEG信号的特征提取.采用3类情绪EEG数据集进行实验,结果表明该方法能够有效提高EEG分类的性能:与原始数据集的结果相比,平均准确度提高了68%,比单独使用微分熵进行特征提取时的准确度高7%.总执行时间结果证明提出的方法具有较低的时间复杂度.研究结果在3类情感脑电图识别领域具有重要的实用价值,可被应用于实际的工程领域.     

培养神经元网络自发活动规律性和复杂度分析

采用近似熵（approximate entropy,ApEn）的新统计方法衡量神经元不同自发放电活动时间序列数据的规律性和复杂度,对多电极阵列上培养的海马神经元网络自发活动的复杂度进行研究．结果表明不同自发放电活动的近似熵动态变化曲线有明显差别．静息期时近似熵值范围1．0-1．2;典型爆发活动时近似熵值呈现迅速下降而后上升再下降小幅振荡（0．2-0．6）;而伪爆发活动时近似熵值在0．2—0．7范围,沿平行时间轴的某一直线上下波动;连续发放锋电位时近似熵值在0．8-0．9范围;而随机单发锋电位时近似熵值0．6—0．8范围．以上分析结果说明近似熵动态变化曲线能够体现爆发活动和锋电位发放过程的规律性和复杂度变化,并可以有效地识别培养神经元网络自发的不同电生理信号,因而在神经元电信号分析中有着潜在的应用价值．     

基于复杂性测度的心率状态对比

本文介绍了近似熵（ApEn)和谱熵（SE）两种复杂性测度，研究了在两组静默（采用中国气功和Kundalini瑜珈练习方法）和正常状态下的心率复杂性。观察到两种状态下复杂度有明显差异，但两种状态下复杂性数值的大小关系对取决于不同的个体。研究结果进一步在心率变化的复杂性方面支持了关于在人体心率和自主调节间存在某种关联的看法，并提供了新的定量描述心率不同状态的方式和途径。     

运用FIR数字滤波器提取视觉警戒脑电的节律特征

脑电信号(EEG)蕴涵着视觉警戒操作过程中的状态变化信息,利用凯泽窗函数法设计了有限长脉冲响应(FIR)数字滤波器,提取了EEG信号中δ、θ、α、β等节律,计算了各节律的相对能量。以相对能量为特征探讨了警觉状态与低警觉状态的节律差异,警觉状态变化过程中不同脑区节律的变化情况,结果表明该方法所获取的EEG特征能够较好地表征警觉状态变化,为脑机接口监控操作员的状态提供参考。     

Changes in EEG measurements in intractable epilepsy patients with neurofeedback training

To assess the effects of neurofeedback on brain electrophysiology and to determine how biofeedback works, power spectral density (PSD) and approximate entropy (ApEn) analyses are applied to the EEGs of six patients with intractable epilepsy who received neurofeedback training. After sessions of treatment, the EEG sensorimotor rhythm to theta PSD ratio calculated from the C4 electrode site becomes larger than that before the treatment, which is consistent with the biofeedback protocol. The ApEn over 16-channel EEG recordings all increase to different degrees. Larger increases occur in channels located near the training position (C4). All these results suggest that these EEG measurements are new criteria that can be used to evaluate the effect of neurofeedback.     

脑电信号的闪光诱发及其数字谱分析

本文对脑电主要机能试验之一——闪光诱发的理论依据及试验方法——作了进一步的探索,从而证实和丰富了控制论创始人之一Wiener的有关设想。作者应用数字谱分折技术研究正常人闪光诱发脑电信号,得出了清晰、明确的“节律同化”谱图及有关特征参数的数值范围,为进而研究各类病理状态打下了基础;为临床脑电图计算机化、为提高脑电图诊断的阳性率提供了依据.     

十二烷基磺酸钠微乳状液的相行为及其结构转变

制备了Ｃ１２Ｈ２５ＳＯ３Ｎａ／ｎＣ４Ｈ９ＯＨ／ｎＣ７Ｈ１６／Ｈ２Ｏ和Ｎａ２ＳＯ４／Ｈ２Ｏ／Ｃ１２Ｈ２５ＳＯ３Ｎａ／ｎＣ４Ｈ９ＯＨ／ｎＣ７Ｈ１６体系在ｋｍ＝ＷＣ４Ｈ９ＯＨ／ＷＣ１２Ｈ２５ＳＯ３Ｎａ＝２时的相图．测定了起始含油质量分数为２１的上述表面活性剂辅助表面活性剂正庚烷体系在纯水和在不同浓度Ｎａ２ＳＯ４水溶液中单相微乳状液的电导率随含水量的变化曲线．由电导率曲线研究了微乳状液由Ｗ／Ｏ→二连续→Ｏ／Ｗ型的结构转变．     

基于多通道线性描述参数的生理性精神疲劳分析

通过对24h睡眠剥夺实验以及不同精神疲劳状态下的脑电信号进行分析，提取了脑电信号的多通道线性描述参数场强变化率，研究了脑电信号场强变化率的平均值与生理性精神疲劳程度之间的关系，以及它在不同生理性精神疲劳状态下的变化规律及其相关性．实验结果表明，场强变化率的平均值与生理性精神疲劳程度之间存在很强的关联性，对于不同的生理性精神疲劳状态，随着生理性精神疲劳程度的增加，其脑电信号场强变化率的平均值逐渐降低．脑电信号场强变化率的平均值有望成为衡量生理性精神疲劳程度的指标．     

基于多导脑电复杂性测度的脑疲劳分析

通过对连续长时间脑力劳动前后状态下的脑电信号进行分析,提取了脑电信号的基本尺度熵和排列熵两种复杂性测度,研究了它们与脑疲劳程度之间的关系,以及它们在不同脑疲劳状态下的变化规律及其相关性.实验结果表明,基本尺度熵和排列熵与脑疲劳程度之间存在很强的关联性,对于不同的脑疲劳状态,随着脑疲劳程度的增加,其alpha(8～12 Hz)、beta(13～30 Hz)频率段和total频率段(0.5～30 Hz)脑电信号的基本尺度熵和排列熵逐渐降低.相对于Tsallis熵算法,基本尺度熵和排列熵可以更好地反映疲劳前后脑电信号复杂度的变化特性.同时,由于基本尺度熵和排列熵算法概念简单,运算量小,因而它们的计算复杂度大大降低,运算速度更快,使得实时分析与监测脑疲劳成为可能.脑电信号的基本尺度熵和排列熵有望成为衡量脑疲劳程度的指标.     

基于脑电功率谱-连续隐马尔科夫链的精神疲劳分级模型

提取多通道脑电（EEG）功率谱特征,训练连续高斯密度混合隐马尔科夫模型（CHMM）,建立了基于功率谱-CHMM的精神疲劳分级模型.分级结果表明：EEG各节律功率谱及其比值是精神疲劳的敏感指标,CHMM对于不同的精神疲劳状态具有较高的分类精度,最高分类正确率达到97.5%;在训练样本相同的情况下,CHMM比反向传输人工神经网络具有更高的分类精度.     

空间稀疏角域以及多普勒域下的DOA估计

提出可在稀疏角域以及多普勒域下对天线阵列信号向量进行接收和分析的方法,讨论在多普勒频域范围内的DOA估计问题,并在有效的频带范围内提取信号冲激响应较大的值. 在稀疏DOA的恢复过程中采用的是L2,0估计算法,并在多路天线频谱感知的架构下充分利用DOA所固有的稀疏特性,对其进行稀疏恢复. 对于在测试环境中不可避免的噪声问题,分析三种不同噪声分布下的DOA估计误差问题. 仿真结果显示频域范围内的L2,0-DOA估计算法具有较低的计算复杂度和较高的准确度,并且算法对噪声不敏感,鲁棒性较高.     

基于小波变换的脑电信号分析

:介绍小波变换的基本概念和Mallat快速小波变换算法 ,并探讨了小波变换在脑电信号分析中的应用这一课题。实验结果表明 ,小波变换是检测脑电信号中的瞬态脉冲以及脑电基本节律的有效工具。