hilbert-huang 变换结合近似熵在疲劳驾驶时脑电分析中的应用new

《hilbert-huang 变换结合近似熵在疲劳驾驶时脑电分析中的应用new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、Hilbert-Huang变换结合近似熵在疲劳驾驶时脑电分析中的应用摘要：Hilbert-HuangTransform（HHT）方法和近似熵方法都是信号处理中的非线性处理方法，近年来在非线性的脑电信号处理中有了不少研究和应用，取得了一些研究成果。本文应用两种方法的结合提出了一种新的脑电信号处理方法，首先用HHT方法把脑电信号分解为多个内在的模式分量，然后求取其中能代表脑电非线性特性的2个分量的近似熵值，用其比值作为脑电的一个特征量。通过对正常静坐、正常驾驶、疲劳静坐、疲劳驾驶4种脑电的实际分析处

2、理，证明本文提出的方法可以更好的表现出脑电的非线性特征，为疲劳驾驶的预警系统研究提供了理论上的一些依据和参考。关键词：HilbertHuangTransform（HHT）；近似熵；脑电；疲劳驾驶中图分类号U491文献标识码AApplicationofHilbert-HuangTransformcombiningApproximateEntropyintheEEGsignalanalyzingofthefatigueddriverAbstract：Hilbert-HuangTransform(HH

3、T)andApproximateEntropymethodsbotharenonlinearmethodsinthesignalprocessing.Inrecentyears,thetwomethodshavebeenappliedtotheEEGsignalprocessingandsomeresearchworkhasgivensomeusefulresolutions.Combiningthetwomethods,thepaperproposesanewmethodintheEEGsig

4、nalprocessing,first,decomposingtheEEGsignalintoseveralIMFs(IntrinsicModeFunction),second,calculatingtheAPEN(ApproximateEntropy)valuesofthetwoweightswhichcanrepresenttheEEG’snonlinearcharacters,andtheratioofthetwoAPENvaluescanbeaneigenvectoroftheEEG.A

5、pplyingthismethodtoprocessfourkindsofEEGsignals,theresultsindicatethatthemethodcanabstractthenonlinearcharactersoftheEEGsignalmoreaccurately,andtheresearchcanprovidereferencefortheresearchofpreventingthefatigueddrivingKeywords：Hilbert-HuangTransform（

6、HHT）；ApproximateEntropy（APEN）；EEG；fatigueddriving引言脑电信号作为人脑思维活动的一种外在表现，在对人脑的工作方式，思维和意识的产生等方面的研究中起着重要的作用。近年来针对脑电信号的应用研究也越来越多，例如脑机接口（BCI），疲劳驾驶检测等。在这些应用中，最关键的步骤就是对脑电信号的分析处理。通过信号处理方法，找出脑电信号中所包含的信息特征，然后进行相应的应用。但是由于大脑的高度复杂性和非线性，以及脑电信号的微弱性，易受干扰性，从脑电信号中解读大脑的

7、思维内容现在是不太可能的，现在所进行的研究工作只是用各种信号处理方法找到脑电信号中能反映某种思维状态的信号特征，然后加以应用。传统的信号处理方法是各种时域方法和频域方法，还有小波分析等时频结合的方法。近年来随着非线性科学的发展，非线性方法开始在脑电信号中得到了应用，其中HilbertHuangTransform（HHT）方法[1,2]和近似熵[3,4]方法是两种比较有潜力的非线性信号处理方法。HHT方法是一种非线性的信号变换方法，把非线性信号变换分解为多个单一模式信号。它同小波变换的最主要区别就

8、是HHT变换是根据信号本身自适应的选取变换基底，而小波分析一旦固定小波基后就不能改变。因此HHT变换更能从本质上对脑电信号进行分解。而近似熵方法是用来评价非线性信号的复杂程度的一种方法。疲劳驾驶的预警系统研究近年来逐渐引起人们的重视，而通过脑电检测驾驶员的疲劳程度作为一种新的无损检测方法有着重要的研究意义和应用价值。找到疲劳驾驶时的脑电特征是这种方法应用的最重要的方面，因此，本文结合这HHT和近似熵两种方法，对用HHT方法分解得到的特定模式分量的脑电信号进行近似熵计算来得到脑电信号的内在非线性特