小波变换的脑电图信号应用分析

《小波变换的脑电图信号应用分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、小波变换的脑电图信号应用分析张风平(平煤神马医疗集团总医院健康体检科河南平顶山467099)【摘要】对现代心理学而言，分析脑电图(EEG)信号是判定大脑认知活动的主要方式之一。但能反映大脑活动的EEG信号会受到噪声影响，为了应对此问题，可对小波变换进行调整，选择自动滤波器，利用其具备的优越滤波功能，结合小波变化的优点，实现噪声的清除。对脑电图信号的辨别而言，这种调整可以判定更多波形的特点，可见此方法的应用效果优于以往的辨别方法。【关键词】小波变换；脑电图信号；波形【中图分类号】R445【文献标识码】A

2、【文章编号】1007-8231(2016)03-0054-02大脑是自然界最神秘的器官，目前人们无法彻底揭开大脑的全部秘密，但是可以借助EGG信号的辨別与分析判定大脑活动机理，此方式在医学、心理学等领域得到广泛应用。在以往的信号辨别中，通常使用谱分析、非线性动力学等方法，在应用时要求EEG信号处于平稳状态，但此信号属于非平稳信号，此种矛盾让连续动态分析受到负面影响。在时频分析等方法在此领域应用后，也在信号辨别等方面存在缺陷。小波分析在信号分析领域的应用，在神经生物科学和计算机信息技术结合之后，此种方法

3、开始在EEG信号处理中引起重视。1.脑电图信号解析在收集EEG信号进行观察之后，从现象层面进行解析可以发现，信号表现出不规则状态。实际上，此种情况是各种频率的正弦波组合在一起造成的，比如快波、慢波等。正因EEG是正弦波组合重叠而成，因此，对其信号的解读一般从频率、位相等方面入手，随后和导联的EEG所处位置放置在一起进行分析。在对信号进行分析后，分析其是否存在反常现象，可判定人脑是否发生疾病。此检查方法能判定癫痫、脑脓肿等疾病，阳性率达到较高水平，也在脑外伤、器质性精祌疾病等疾病检查中发挥一定作用。但此

4、类检查能发挥最大作用的领域主要是癲痫，因为，在癫痫发病吋病人脑部会出现癫痫放电现象。1.小波变换的脑电图信号分析2.1特点根据既定的计算公式，尺度因子变大后，能对更大吋间尺度上的区间进行观察，频率的分辨率达到较高水平;反之，则能对小段吋间内的信号变化进行观察，对吋间变化的分辨率较高。因此，对尺度因子进行干预，就能提升对吋间和频率的分辨能力［1】。此外，连续小波变换还具备时移性、能量守恒性等特征。2.2算法其思想主要从伸缩、平移等方面获得灵感，首先确定1个小波函数，并与对应的信号起始点对准。确定此时刻信

5、号和函数之间的逼近程度，在吋间轴上对函数进行1单位的移动，然后重复上述计算步骤，要对信号长度实现彻底覆盖。将函数持续进行1单位的伸缩，然后重复以上步骤，在全部尺度上重复以上全部操作。在处理完上述事项后，就会得到在各吋间尺度上的信号评估系数，可对初始信号在函数上的投影尺寸进行反映［2】。此种计算方式适用于多通道的繁杂信号的解析，信号提取能力较强，避免噪音干扰，对癲痫等疾病的临床检查奋积极意义。2.小波变换在脑电图信号处理中的应用3.1EEG信号分析概述在此领域中，国产的检测仪器花费资金较少，但在使用吋存

6、在问题。在对信号进行处理吋过于简略，无法应对很多情况的异常问题。在分析EEG信号吋，医生通常都是依靠主观判断，没奋科学的信号分析依据，诊断结果的可靠性难以得到保障。但进口的检查设备依旧存在弊端，也需要利用先进技术提升其检查能力。因此，要依据S前最新的发展形势，增加新的检查功能，将噪声顺利清除，让信号能得到自动提取［3】。3.2基于小波变换的眼电噪声去除算法应用为让研宄更加具体、直观，此次研究选择眼电信号作为研究对象。利用自适应滤波器与小波变换进行融合，避免对EEG信号进行分析吋遇到的噪音干扰。自适应滤

7、波器在对信号进行追踪时表现出良好效果，可消除眼电噪声，同吋不对原有的EEG信息造成破坏。对此滤波器进行改进，获得噪声抵消器。眼电信号属于局部特征类型的信号，符合小波处理要求。具体而言，可利用各种尺度的离散小波变换，对收集的脑电初始信号进行处理，得到相应系数，然后参照最小风险值原则，利用软阀值法，对获得的系数进行阀值调整。对系数进行信号重构，得到具奋对比价值的眼电信号。噪声抵消器的对比输入端对经过重构处理的信号进行选定，初始输入端对收集的脑电信号实施处理，在运算完毕后，系统发送经过去噪处理的脑电信号。此

8、种处理方式利用小波变换，得到自适应噪声抵消器的辅助，经过小波阀值解析后，利用抵消器自动调节和追踪的功能，解决以往去除噪声时存在的问题。1.实验结果分析与对比为验证噪音去除方法是否有效，创建眼电信号和干浄的脑电信号，在经过吋域混叠处理后，对受到干扰的脑电信号进行模拟，对比使用此方法消除噪咅的效果，判定对初始信号的保留效果。对眼电信号和脑电信号进行模拟，让小波变化分别与抵消器（方法1）、ICA算法（方法2）结合，通过实验对比两种方式去除噪声的效果。对实验结果