基于经验模式分解（emd）的脑信号研究

《基于经验模式分解（emd）的脑信号研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、貧－．苗苗譜齊離裝‘单位代码：１０２％密级：山．ｉｔ—并每嗦挺證．．一万■‘，．、占行吉护；立：．．巧■声＇？？‘－－．－、？Ｉ．－，／＼．＇．分Ｘ．八．晋，’货為寬痛．每：儀藤鴻‘．．？．．．議讀＇＾韻讓扉撫養嚷曝鎌ｐｉ硕女《化俗Ａ．；壽議＇咖１細，；轉；■＊．—＇—．，技蘇；；＇辨Ｖ■‘．：〇．：睽‘．＇Ｖ碱ｉ／＇，八％’论文题目；基于经验模式分解（ＥＭＤ）的脑信号研究Ｉ，：．：參肩．．．．．４０．Ｖ、．——＇、？＇．．．．－．Ｈ

2、．．．．．．：＾．？ｒ部．邊巧却無．帝龄爲气？？？■＇＇Ｔｎ恭产毛八一：ｆ？气，学号———．＇＇，＇：’；’勺ｕ－，－？，．＇叫气；．．八．人＼姓名扬屋诚—扣片公；劃禮皆导师—＾馨海較苗黎中．中电路与系统八：学科专业！音唯；＼．杂信号处３气研究方向复？１．；；哉点茜游；為｜＇；－奋；．；Ｘ学皿：）串请学位类别■ＹＶ去意’可二一五年Ｓ月方论文提交日期咎零茫‘作ｒ旅―碱．’．．ＶＵ＇－Ｖ■／ｆ南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指

3、导下进行的研究工作及取得的研充成果。尽我所知，除了文中特别加标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研巧成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。一与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一本人学位论文及涉及相关资料若有不实，愿意承担切相关的法律责任。研巧生签名：日期：南京邮电大学学位论文使用授权声明本人授权南京邮电大学可レッ保留并向国家有关部口或机构送交论文的复印件和电子文档；允许论文被資阅和借阅；可ｗ将学位论文的全部或部分内容编入有关数据库进行检索；可Ｗ采

4、用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质一论文的内容相致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名：ｉ夫导师签名：日期：如ｒ．夺．丫抑ｆ杳幕ResearchonBrainsignalsBasedonEMDThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByChenYangSupervisor:Prof.HuangLiyaMarch

5、2015摘要经验模态分解（EmpiricalModeDecomposition，EMD），一种特别适应非线性、非平稳信号的新型自适应分解法，在脑电（electroencephalograph，EEG）研究中大多局限于一维信号处理方面。为了获得脑电信号更直观清晰的表现形式，拓展研究内容，论文根据脑电EEG的信号节律性、频率集中性、脑电噪声的复杂与多样性等自身特点，以集合经验模式分解（EnsembleEMD，EEMD）为基础，将脑电研究提升到二维、三维图像处理领域。首先基于一维EEMD，提出了适应脑电特征的改进EEMD算法。该改进算法通过基于IMF能量和分段阈值的信号估计算法，自适应

6、地从待处理的原始脑电信号中估计出脑电特性信号，并结合高斯白噪声的特性定义出新型脑电噪声，取代传统的高斯白噪声加入EEMD分解中。该改进算法更加适应于脑电应用领域的特殊性，使得脑电信号EMD分解的模态混叠问题得到了可以更好地解决。其次，创新性地将2D-EEMD算法引入到脑电研究中，将脑电研究提升到二维空间，并且针对脑电的特点，对脑电2D-EEMD算法的二维重组方法进行了改进。然后针对脑电2D-EEMD处理上相邻电极数据存在伪临近的不足，提出了基于脑电的3D-EEMD算法，对脑电信号的多维EMD处理做出初步探索。实验结果表明，脑电信号的二维分解结果更加清晰、信号特征更具直观性，稳态视

7、觉诱发电位（steady-statevisualevokedpotential，SSVEP）的频率提取准确率有效地提高了16%；对比二维分解结果，三维分解更加注重数据的内在特征，提取特征以及分类识别准确率更高。最后，基于上述的改进算法，结合非线性理论，分别对运动想象和MEG精神病人两类数据进行了分类研究。关键词：EEG，EEMD，2D-EEMD，3D-EEMD，信号估计，准确率，分类；IAbstractEmpiricalModeDecomposition(EMD),anovela