基于小波变换的特征提取脑诱发电位.doc

大连民族学院本科毕业设计（论文）快速提取诱发脑电算法的研究学院（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日大连民族学院大连理工大学毕业设计（论文）格式规范快速提取诱发脑电算法的研究-PAGEII-PAGEI摘要从头皮采集的脑电信号中通常夹杂着不同种类的伪迹，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的影响。这些干扰很大程度上淹没了微弱的诱发电位(EP)，给临床应用和科研分析带来了极大的不便。如何从原始脑电中获取大脑活动的诱发信息成为脑电分析中有待解决的问题。本文介绍了两种快速提取诱发脑电的新算法—小波分析和独立分量分析。小波分析理论是一种新兴的信号处理理论，它在时间上和频率上都有很好的局部性，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的重要方面。ICA的根本原理是通过分析多维观测数据间的高阶统计相关性，找出相互独立的隐含信息成分，完成分量间高阶冗余的去除及独立信源的提取。本文首先详细介绍小波分析去噪和独立分量分析的原理的算法,同时阐述这两种方法在信号处理中的运用；其次利用小波阈值去噪法和独立分量分析中的FastICA算法对一个纯净的EP信号加入噪声之后进行去噪处理，实例验证理论的实际效果，同时证实了理论的可靠性。关键词：诱发电位；小波分析；去噪；独立分量分析大连理工大学毕业设计（论文）格式规范快速提取诱发脑电算法的研究--PAGEIIIAbstractTherearemanykindsofartifactsintherawbrainsignalsfromscalp,suchaseyesblinks,Electrocardiograph,electromyographyandothermechanicalnoises,whichcoulddegeneratetherealevokedpotentials(EP).Howtoextracttheunderlyingevokedpotentialsfromnoisyacquireddatahasbecameanimportantandurgentproblemtoberesolved.ThispaperdescribestwokindsofnewrapidextractionalgorithmEvokedPotentials–waveletanalysisandindependentcomponentanalysis.Waveletanalysistheoryisanewtheoryofsignalprocessandithasgoodlocalizationinbothfrequencyandtimedo-mains.Itmakesthewaveletanalysissuitablefortime-frequencyanalysis.Usingwaveletmethodsinde-noising,isanimportantaspectintheapplicationofwaveletanalysis.ThefundamentalprinciplesofIndependentComponentAnalysis(ICA)isthroughanalysisofhigh-rankingstatisticalcorrelationbetweenmultidimensionalobservationdata,findmutuallyindependentimplicitmessagecontent,completeremovalofahighredundancyandindependentsourcesextractionletter.Thispaperfirstintroducedtheprincipleofwaveletanalysisandindependentcomponentanalysisalgorithmindetail,alsoexplainedthetwomethodsappliedinsignalprocessing.second,usethewaveletthresholdmethodandtheindependentcomponentanalysisalgorithmFastICAEPonapurenoisesignaladdedafterdenoising,theexampleverifythetheoreticalpracticaleffect,alsoconfirmedthereliabilityofthetheoretical.KeyWords：EP；w