脑电双谱分析与特征分类识别 [复制链接]

资料简介：
脑电双谱分析与特征分类识别，硕士学位论文，共68页。
摘要
脑电信号是脑神经的生物电活动在大脑皮层的反映，脑电信号的提取和分析能够为医疗提供出很好的临床诊断作用，对脑疾病的治疗提供了很好的支撑，但脑电却也是一种非常复杂的非高斯、非线性随机过程，传统地通过时域或频域分析已经不能准确表征信号特征，而且不利于脑电信号瞬态波形的特征提取，而高阶谱方法的运用对于脑电信号的处理研究却具有很好效果。
在本次实验的设计过程，邀请了十多名志愿者，让每个受试者均做了三组不同注意力测试的脑电实验，然后对每个人实验的原始数据进行了采集和存储，再对各个实验数据进行了滤波、降采样、分段等预处理，求取出脑电实验每个电极的双谱三维图、双谱三维图的对角切片图。由于不同实验状态下脑电信号双谱切片具有着不同的特征，根据此提取出脑电信号在不同状态下的特征值，并运用SVM、KNN、PNN 三种分类方法对双谱切片的特征值进行交叉分类处理，实现了在不同实验状态下脑电信号的分类，进而求取和对比了分类效果的准确率和互信息值，得出 SVM 分类最佳的方法。之后再根据脑电 OQ 实验的 C3 电极和其他13 个电极所具有的不同双谱特征，进行了双谱切片、双谱切片特征值的求取，再次运用了 SVM 分类对比，得出了不同脑电极信号双谱切片具有差异性的结果。
从而证明了大脑在同一电极的不同状态下，以及同一种状态的不同电极之间，脑电信号的非线性耦合特征具有差异性的结论。最后采用了功率谱特征值法参与比较，进一步提高了注意集中和注意力分散方式下脑电信号的分类效果。
关键字：信号特征  脑电实验  双谱切片  分类

目录
第一章  绪论1
11  引言1
12 脑电信号的研究2
121  脑电信号特征2
122  脑电研究方法3
123  高阶谱的特性4
13  本文内容结构安排5
第二章  实验数据采集和预处理7
21 实验过程7
211 实验内容和要求7
212 不同状态下的实验8
22 脑电信号的预处理10
221 滤波器的选择 11
222 滤波和降采样 11
第三章  双谱和双谱切片13
31 双谱的性质13
311  双谱的定义13
312  双谱的特性14
313  双谱估计算法15
32  双谱参数的影响17
321 总采样数参数的影响17
322 nfft点数和双谱特性的相关性 18
323 样本数  sampseg  的参数分析 20
33 双谱与非线性相位耦合21
331 非线性耦合性质21
332 谐波信号的双谱特性24
34  双谱的切片特性25
第四章  三种分类器和互信息29
41 SVM分类器 29
411 SVM的基本思想 29
412 线性核函数31
413 SVM的应用 32
42 KNN分类 32
421 K最近邻估算法32
422 KNN法的不足和改进 33
43 PNN分类器33
431 PNN网络结构图34
432 PNN的特点与应用34
44  互信息35
441  互信息概念和定义3
5 442  互信息的性质和应用  36
第五章  脑电双谱特征和分类识别 37
51  脑电不同实验的双谱特征  37
511  不同实验状态下的双谱图  37
512  脑电双谱切片的特征值  39
52  特征值的分类比较  39
521 SVM分类效果图  39
522 PNN分类效果图  42
523 KNN分类效果图  43
524  三种分类器效果比较  43
53  不同电极切片谱分类识别  44
531 切片特征的提取  44
532  不同电极切片差异性分类对比  46
54  注意力情况的脑电特征分类  47
541  功率谱特征值求取  47
542  特征值分类法对比  49
第六章  总结和展望 53
致谢 55
参考文献 57
在校期间科研成果 61

资料文件预览：
共1文件夹，1个文件，文件总大小：3.48MB，压缩后大小：2.96MB

• 脑电双谱分析与特征分类识别
• 脑电双谱分析与特征分类识别.caj  [3.48MB]