不同麻醉深度下大鼠脑活动的复杂性分析

为了研究大鼠在不同麻醉深度下大脑活动的变化，探测麻醉深度对其脑电信号（EEG）的影响，采用KC复杂度和谱熵对不同麻醉深度下的EEG及其4个主要频段信号进行了复杂性分析．结果发现：随着麻醉深度的加深，EEG的KC复杂度和谱熵的值都随之减小，反之亦然，且KC复杂度在区分麻醉深度的变化方面比谱熵更为灵敏、准确；在麻醉状态下，delta频段是EEG信号的优势频段，正是它的动态变化主导了EEG信号的变化过程．     

颅内压增高皮层脑电的复杂度分析

为研究颅内压增高对脑功能的影响,以家兔为实验对象建立侧脑室灌注加压的单纯颅高压模型.采集皮层脑电信号并同步记录颅内压(ICP)、心电、呼吸、动脉血压等信号,采用迟滞粗粒化方法和Lempel-Ziv算法计算脑电信号的复杂度,分析不同ICP状态下脑电信号的非线性变化特征.发现以灌注加压前基础ICP时的状态为对照,ICP为2,4倍基础值时的脑电信号复杂度显著降低(P＜0.01);ICP越高,复杂度越低;ICP恢复正常后,脑电复杂度有恢复趋势.研究结果表明,脑电信号的复杂度可用于检测由于ICP增高引起的脑损伤并有可能对其损伤程度进行定量评估.     

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.     

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。     

诱发脑电信号执行控制力特征识别研究

斯特普(Stroop)干扰试验常被用于执行控制力研究中,结合脑电在认知能力领域中的应用,采用数字Stroop干扰试验来诱发脑电信号,通过以样本熵为参数试验条件下脑电信号复杂度分析,观察脑电复杂度变化规律,建立执行控制力脑电特征识别方法.随机选取35名大学生进行数字Stroop干扰试验,同时采集被试的脑电信号,对脑电复杂度分析发现:试验过程中被试脑电样本熵值先降低后上升,最后回到正常水平;Stroop干扰试验下测评分数越高的被试,其样本熵的降低幅度越小.相关性统计分析得到,样本熵变化值与执行控制力相关系数为-0.699,呈显著负相关.研究表明基于Stroop干扰试验下脑电信号复杂度能够反应被试的执行控制力.     

睡眠剥夺影响大脑功能区状态的非线性评价

采用近似熵研究睡眠剥夺（sleep deprivation，SD）对脑认知功能的影响，评价SD引起的大脑功能区状态的非线性变化．12名受试者在正常睡眠和一夜SD之后分别接受视觉注意力测试，记录自发脑电和诱发脑电，采用二维插值构建19导脑电近似熵脑信息图（brain information map，BIM）．结果表明，在SD状态下，自发脑电的近似熵在全脑范围内有不同程度的下降，额叶处大脑偏侧性发生变化，复杂度的中心从左脑转移到右脑；前额叶处诱发脑电近似熵值降低，而顶叶和颞叶处则升高．脑电近似熵可以作为指标来评价SD对脑认知功能的负向影响，BIM的变化趋势与从生理学及影像学角度的分析相吻合，与线性方法的研究结论一致，在一定程度上可以反映大脑功能状态，提供一条评价脑功能区状态变化趋势的思路．     

心算任务下脑电信息传输

通过计算多导脑电的互信息传输时间序列的复杂度,研究了心算任务和安静状态下不同认知水平的对象脑电特异表现.结果表明,不同的实验状态、不同认知能力的被试者以及大脑的不同部位均可对互信息复杂度产生显著影响.抑郁症在心算任务下的互信息传输复杂度显著低于（P<0.001）安静闭目状态下的复杂度,而正常对照组虽然在心算任务下的脑电互信息传输复杂度也较安静闭目状态时有所下降,但不具有统计意义.据此推测,完成认知作业时的脑电互信息复杂度在一定程度上反映了认知水平的不同.     

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．     

基于奇异值分解的脑电信号去噪方法

指出了对脑电观测数据进行去噪从而提取出诱发脑电信号是临床和实验中的前沿技术之一。目前常用的平均方法需要比较多的实验次数，为缩短实验次数需要采用一些新的技术和方法．对奇异值分解方法在脑电信号去噪中的应用进行了研究．提出了3种具体的去噪算法，并给出了应用这3种算法对具体的脑电测量数据进行噪声去除的实验结果．分析实验结果表明：奇异值分解方法对脑电信号进行去噪有助于减少提取诱发信号所需的实验次数．     

Kolmogorov熵在大鼠脑电麻醉深度监测中的应用

将非线性动力学中的Kolmogorov熵应用到大鼠脑电麻醉深度监测分析中,计算并分析了大鼠在戊巴比妥钠腹腔注射麻醉过程中脑电信号的 Kolmogorov熵动态变化曲线,结果表明:大鼠注射戊巴比妥钠后,在最初的麻醉过程中,有些脑区呈抑制状态,有些脑区呈兴奋状态;大鼠注射戊巴比妥钠后 A脑区进入深度麻醉状态的诱导期时间约为1 300 s,B脑区的约为1 400 s;麻醉时Kolmogorov熵动态变化曲线与原始脑电信号所反映的各脑区抑制与兴奋状态的变化趋势有很好的一致性.因此,Kolmogorov熵可为临床麻醉深度的实时监测提供一个新的方法.     

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。     

LZ复杂度算法中的二值化方法分析及改进

LZ复杂度被越来越多地用于非线性信号分析中．为帮助理解其概念，首先以一个形象的例子概述了LZ复杂度的物理意义，进而作者针对其计算过程中经常使用的粗粒化预处理过程，提出了一种二值化快速实现方法．该方法将原信号减去均值后直接取其二进制补码的符号位作为二值化数值，使计算简单快捷．分析了通常的二值化方法对某些信号产生过分粗粒化的原因，提出了以信号拟合曲线替代均值做为分界的二值化方法，从而有效克服了对基线漂移的信号进行二值化处理时所产生的过分粗粒化问题．用此方法对实际检测的5s时间段SD大鼠脑电信号进行二值化处理。结果表明，该方法不仅计算简单，而且完全消除了由传统二值化方法所产生的过分粗粒化问题．     

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.     

基于脑电α波的非线性参数人体疲劳状态判定

提取脑电信号(EEG)的α波并计算其三种非线性参数,在此基础上归纳出用于评估人体疲劳状态的综合判据.首先,在小波变换的基础上,从原始信号中提取EEG的α波,然后计算其最大李亚普诺夫指数、复杂度和近似熵.这些非线性参数的数值可以定量地反映人的生理活动,进而可以用于评价疲劳状态.对现有EEG数据进行计算和统计,归纳出建立在上述三种非线性参数基础上的疲劳状态的综合评估判据.针对18组已知数据,采用上述综合判据得到相应的不同状态的判定结果.与实际情况相对照,对疲劳和非疲劳状态的评估准确率接近100%,但对轻微、中等和严重疲劳状态之间的区分精度稍低一些.     

Detection of the short-term preseizure changes in EEG recordings using complexity and synchrony analysis

An important consideration in epileptic seizure prediction is proving the existence of a pre-seizure state that can be detected using various signal processing algorithms. In the analyses of intracranial electroencephalographic （EEG）recordings of four epilepsy patients, the short-term changes in the measures of complexity and synchrony were detected before the majority of seizure events across the sample patient population. A decrease in complexity and increase in phase synchrony appeared several minutes before seizure onset and the changes were more pronounced in the focal region than in the remote region. This result was also validated statistically using a surrogate data method.     

一种基于谐波抑制的正弦脉宽调制信号的实现

在对正弦脉宽调制(SPWM)信号进行分析的基础上，提出了一种改进的SPWM信号计算方法，即对脉宽差幅值进行分段线性量化，使求解整个SPWM信号的脉宽只需要很少的几个特征参数。该方法与传统SPWM方法相比，不但大大降低了实现的复杂性，而且达到了预期的谐波抑制效果，经复杂可编程逻辑器件(CPLD)验证，实际的谐波测试结果表明本方法是有效的。     

基于时窗复杂度序列的睡眠脑电分析

运用时窗复杂度序列来分析睡眠脑电,减少了非平稳性及状态空间的不均匀性造成的脑状态信息的丢失,在一定程度上克服了复杂度的自身的局限,有助于不同睡眠期状态特征的提取.另外本文采用ICA、小波变换等方法对脑电进行预处理,实验表明它们能有效地去除脑电中的一些生理干扰,有利于提高复杂度算法在睡眠分期应用中的精确度.     

基于局域波近似熵的声发射信号处理

将近期发展的局域波法和近似熵法相结合应用于声发射信号的特征提取中.首先,将声发射信号进行局域波分解,得到自适应的基本模式分量;然后对各基本模式分量计算近似熵,描述各基本模式分量的复杂程度,监测声发射信号的发生和发展,量化声发射信号的特征.通过预制裂纹钢管静载实验,分析计算了钢管裂纹声发射信号的各基本模式分量的近似熵,表明局域波法与近似熵相结合的方法可以有效地提取声发射信号的特征,从而为声发射信号特征提取提供了一种新方法.