基于經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）的腦信號(hào)研究.pdf

《基于經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）的腦信號(hào)研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、貧－．苗苗譜齊離裝‘單位代碼：１０２％密級(jí)：山．ｉｔ—并每嗦挺證．．一萬(wàn)■‘，．、占行吉護(hù)；立：．．巧■聲＇？？‘－－．－、？Ｉ．－，／＼．＇．分Ｘ．八．晉，’貨為寬痛．每：儀藤鴻‘．．？．．．議讀＇＾韻讓扉撫養(yǎng)嚷曝鎌ｐｉ碩女《化俗Ａ．；壽議＇咖１細(xì)，；轉(zhuǎn)；■＊．—＇—．，技蘇；；＇辨Ｖ■‘．：〇．：睽‘．＇Ｖ堿ｉ／＇，八％’論文題目；基于經(jīng)驗(yàn)?zāi)Ｊ椒纸猓ǎ牛停模┑哪X信號(hào)研究Ｉ，：．：參肩．．．．．４０．Ｖ、．——＇、？＇．．．．－．Ｈ．．．．

2、．．：＾．？ｒ部．邊巧卻無(wú)．帝齡爲(wèi)氣？？？■＇＇Ｔｎ恭產(chǎn)毛八一：ｆ？氣，學(xué)號(hào)———．＇＇，＇：’；’勺ｕ－，－？，．＇叫氣；．．八．人＼姓名揚(yáng)屋誠(chéng)—扣片公；劃禮皆導(dǎo)?zhēng)煛蓿犥昂］^苗黎中．中電路與系統(tǒng)八：學(xué)科專業(yè)！音唯；＼．雜信號(hào)處３氣研究方向復(fù)？１．；；哉點(diǎn)茜游；為｜＇；－奮；．；Ｘ學(xué)皿：）串請(qǐng)學(xué)位類別■ＹＶ去意’可二一五年Ｓ月方論文提交日期咎零?！鳎崳姡蚵茫崳姩D堿．’．．ＶＵ＇－Ｖ■／ｆ南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研

3、充成果。盡我所知，除了文中特別加標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研巧成果，也不包含為獲得南京郵電大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。一與我同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。一本人學(xué)位論文及涉及相關(guān)資料若有不實(shí)，愿意承擔(dān)切相關(guān)的法律責(zé)任。研巧生簽名：日期：南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可レッ保留并向國(guó)家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子文檔；允許論文被資閱和借閱；可ｗ將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索；可Ｗ采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)

4、位論文。本文電子文檔的內(nèi)容和紙質(zhì)一論文的內(nèi)容相致。論文的公布（包括刊登）授權(quán)南京郵電大學(xué)研究生院辦理。涉密學(xué)位論文在解密后適用本授權(quán)書(shū)。研究生簽名：ｉ夫導(dǎo)師簽名：日期：如ｒ．奪．丫抑ｆ杳幕ResearchonBrainsignalsBasedonEMDThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByChenYangSupervisor:Prof.HuangLiyaMarch2015摘要經(jīng)驗(yàn)?zāi)B(tài)分解（EmpiricalModeDe

5、composition，EMD），一種特別適應(yīng)非線性、非平穩(wěn)信號(hào)的新型自適應(yīng)分解法，在腦電（electroencephalograph，EEG）研究中大多局限于一維信號(hào)處理方面。為了獲得腦電信號(hào)更直觀清晰的表現(xiàn)形式，拓展研究?jī)?nèi)容，論文根據(jù)腦電EEG的信號(hào)節(jié)律性、頻率集中性、腦電噪聲的復(fù)雜與多樣性等自身特點(diǎn)，以集合經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥nsembleEMD，EEMD）為基礎(chǔ)，將腦電研究提升到二維、三維圖像處理領(lǐng)域。首先基于一維EEMD，提出了適應(yīng)腦電特征的改進(jìn)EEMD算法。該改進(jìn)算法通過(guò)基于IMF能量和分段閾值的信號(hào)估計(jì)算法，自適應(yīng)地從待處理的原始腦電信號(hào)中估計(jì)出腦電特性信號(hào)，并結(jié)合高斯白噪聲的特性定

6、義出新型腦電噪聲，取代傳統(tǒng)的高斯白噪聲加入EEMD分解中。該改進(jìn)算法更加適應(yīng)于腦電應(yīng)用領(lǐng)域的特殊性，使得腦電信號(hào)EMD分解的模態(tài)混疊問(wèn)題得到了可以更好地解決。其次，創(chuàng)新性地將2D-EEMD算法引入到腦電研究中，將腦電研究提升到二維空間，并且針對(duì)腦電的特點(diǎn)，對(duì)腦電2D-EEMD算法的二維重組方法進(jìn)行了改進(jìn)。然后針對(duì)腦電2D-EEMD處理上相鄰電極數(shù)據(jù)存在偽臨近的不足，提出了基于腦電的3D-EEMD算法，對(duì)腦電信號(hào)的多維EMD處理做出初步探索。實(shí)驗(yàn)結(jié)果表明，腦電信號(hào)的二維分解結(jié)果更加清晰、信號(hào)特征更具直觀性，穩(wěn)態(tài)視覺(jué)誘發(fā)電位（steady-statevisualevokedpotential，SS

7、VEP）的頻率提取準(zhǔn)確率有效地提高了16%；對(duì)比二維分解結(jié)果，三維分解更加注重?cái)?shù)據(jù)的內(nèi)在特征，提取特征以及分類識(shí)別準(zhǔn)確率更高。最后，基于上述的改進(jìn)算法，結(jié)合非線性理論，分別對(duì)運(yùn)動(dòng)想象和MEG精神病人兩類數(shù)據(jù)進(jìn)行了分類研究。關(guān)鍵詞：EEG，EEMD，2D-EEMD，3D-EEMD，信號(hào)估計(jì)，準(zhǔn)確率，分類；IAbstractEmpiricalModeDecomposition(EMD),anovela