电噪声自动检测系统设计
脑电信号体现了人脑的结构功能，在采集脑电信号的过程中容易引起噪声，有效地检测脑电信号中的电噪声，对医学研究有着十分重要的影响。本课题阐述了电噪声自动检测系统的研究背景和时代意义，通过归纳分析国内外研究发展及现状，比较了各种方法，分析了脑电信号产生的原理、分类以及特点，介绍了电噪声产生的机理、主要分类和特征，列出了连续小波基函数、连续小波变换的概念、性质以及逆变换等连续小波变换相关理论，主要研究内容是把信号进行滤波后，将连续小波变换的原理应用在脑电信号电噪声自动检测系统中，先将脑电信号分解，然后通过各项的小波系数作出能量比来检测出电噪声，通过多个含噪信号的仿真结果进行对比，并做了一定的分析与总结。关键词 脑电信号，电噪声，连续小波变换
目 录
1 引言 1
1.1 课题研究背景和意义 1
1.2 国内外研究发展及现状 1
1.3 课题的主要工作 4
2 脑电信号和噪声成分 6
2.1 脑电信号产生的原理 6
2.2 脑电信号的分类和特点 6
2.3 主要噪声成分 8
3 连续小波变换 9
3.1 连续小波基函数 9
3.2 连续小波变换的概念与性质 11
3.3 连续小波变换的逆变换 13
4 信号的预处理 14
4.1 模拟滤波器的设计 15
4.2 巴特沃斯滤波器 17
4.3 滤波结果 20
5 基于连续小波变换的电噪声自动检测 22
5.1 原始脑电数据的读取和显示 22
5.2 信号的小波系数 22
5.3 计算能量比重 23
5.4 多个信号仿真比较 25
结 论 27
致 谢 28
参考文献 29
1 引言
随着计算机的出现，医学研究开始将脑电信号作为人脑功能状态的评判方式，因此脑电信号也引来了国内外研究人员的持续关注。
1．1 课题研究背景和意义
大脑是人体最复杂最精密的器官，一直处于世界各地医学研究 *好棒文|www.hbsrm.com +Q: *351916072*
的前沿以及热点。人脑具有电活动[13]是于1924年被Hans Berger首先发现的，他把这种电活动命名为脑电图（Electroencephalogram,EEG）。脑电信号[17]是一种脑细胞的有节律的、自发的活动，是通过电极记录的，大脑的生理以及病态信息包含其中，对于脑疾病诊断和检测提供了有效的来源，脑电信号的研究深入程度一定程度上影响了医生对大脑功能是否损坏或者变化的判断的精准度和可信度，因此，脑电信号检查在临床诊断中起到了日益重要的作用，而脑电图可以放大人脑微弱的生物电信号，所以脑电图现在已经成为一种核查大脑疾病和辅助临床治疗的常规手段[14]。
但是，人体脑电信号微弱，而且有很强的时变敏感特性[4]。在采集脑电信号的过程中一般采用的电极是银氯化银电极，由于电极与头皮之间存在接触阻抗[18]，在使用这种电极的时候需要利用导电膏来降低这种阻抗。由于采集过程中种种因素和操作人员的不同，将导致这些电极相对其它接触阻抗更容易引起空间线性噪声[20]，然而这些线性噪声严重影响医生疾病诊断效率。
有效地检测脑电信号中的电噪声，可以降低噪声去除过程中对有用信号的误操作，减少了时间浪费，对实时性操作有着十分重要的影响，也极大的减少了临床诊断的误判，在临床医学诊断上具有重要意义。
1．2 国内外研究发展及现状
在脑电波[19]研究的早期，脑电波的研究以及对噪声的检测由于技术问题而显得十分有限，医生靠着从医经验通过人眼观测对脑电波进行分析和评价的方式称为人工分析法，医生也是通过从医经验排除信号中的噪声干扰的，他们还根据脑电波图形的频率、幅值、分布等评判大脑功能状态，虽然这种方法很方便、很直观，但是效率十分低下，在阅读和做出判定时很容易造成误判，这种方式使得脑电信号的噪声处理只能停留在人的主观水平上。
自1932年，Dietch首先把傅里叶变换[21]运用于脑电图研究之后，在脑电信号处理中先后引入了时域、频域等方法，极大的促进了脑电信号研究方法的发展。二十世 纪六七十年代起，计算机以及计算机技术的出现与发展，关于脑电信号的分析已逐步进入计算机分析阶段，脑电自动分析系统被相继开发出来，利用计算机帮助脑电信号的分析得到了很大的进展[8]。
现代的时域分析[31]一般是更深入的研究和分析图形的特点，通过过零点检测、峰值分析、直方图检测、相关分析、方差检测、波形的参数检测等方法来直接提取出脑电信号的波形特点，并且在近几年来，过滤技术、模块识别都在一定程度上得到了很大的进展。还有另外一种时域方面的重要手段，叫做同种参数模型提取特征。一些特征的参数可以分类以及识别检测，在脑电定量剖析里占据着非常重要的地位。
有关脑电信号分析以及噪声检测还有频域分析方法，主要是功率谱估计[23]，它是从频率方面来分析随机信号的一种方法 ,一般分成两类，其中一类是经典谱估计。经典谱估计又可以分为两类，一类是间接法，另一类是周期图法。1958年，R.Blackman和J.Tukey率先提出了间接法，并取名为BT谱估计器。这个方法是首先用有限的观测数据来估测相关的函数，之后计算功率谱。在1965年快速傅里叶转换（fast Fourier transform，FFT）未出现以前，间接法一直是最常用的方法。1898年，Schuster采用FFT级数对等待分析的信号进行拟合，对信号里隐蔽的周期性进行搜寻，根据这一点提出了周期图的名词，可是直到FFT出现之后，这种方法才慢慢的得到重视与引用。这种方法是对观测数据直接进行FFT,取模的平方，再除以N得出功率谱。把这两种方法进行比较，周期图法相对简单一些，因为不用对自相关函数进行估计，而且可以用FFT进行计算。因此，周期图法得到了更广泛的应用。还有一种是现代谱的估计，模型是现代谱的估计基础所在，建立这些模型要采用采样的数据，而且对数据进行外推。由于数据工作区外面的未知数据在经典谱估计中被假设为0，相当于给数据加窗，从而导致谱估计不稳定和分辨率降低。现代谱估计不再仅仅是假设工作区外未知数据为0，它是先将观测到的信号中的数据用来估计模型的各种参数，然后再求出模型的输出功率，进而估计信号的功率谱，这样就可以避免了数据工作区外的数据假设问题。现代谱估计也存在一些不足，它不可以完全重构外推的数据，只能用于估计功率谱。对于两种方法而言都有一个大前提，就是分析对象要是平稳的随机信号，如果分析对象是非平稳随机信号，那么分析结果在每一时刻都是不一样的[26]。
目 录
1 引言 1
1.1 课题研究背景和意义 1
1.2 国内外研究发展及现状 1
1.3 课题的主要工作 4
2 脑电信号和噪声成分 6
2.1 脑电信号产生的原理 6
2.2 脑电信号的分类和特点 6
2.3 主要噪声成分 8
3 连续小波变换 9
3.1 连续小波基函数 9
3.2 连续小波变换的概念与性质 11
3.3 连续小波变换的逆变换 13
4 信号的预处理 14
4.1 模拟滤波器的设计 15
4.2 巴特沃斯滤波器 17
4.3 滤波结果 20
5 基于连续小波变换的电噪声自动检测 22
5.1 原始脑电数据的读取和显示 22
5.2 信号的小波系数 22
5.3 计算能量比重 23
5.4 多个信号仿真比较 25
结 论 27
致 谢 28
参考文献 29
1 引言
随着计算机的出现，医学研究开始将脑电信号作为人脑功能状态的评判方式，因此脑电信号也引来了国内外研究人员的持续关注。
1．1 课题研究背景和意义
大脑是人体最复杂最精密的器官，一直处于世界各地医学研究 *好棒文|www.hbsrm.com +Q: *351916072*
的前沿以及热点。人脑具有电活动[13]是于1924年被Hans Berger首先发现的，他把这种电活动命名为脑电图（Electroencephalogram,EEG）。脑电信号[17]是一种脑细胞的有节律的、自发的活动，是通过电极记录的，大脑的生理以及病态信息包含其中，对于脑疾病诊断和检测提供了有效的来源，脑电信号的研究深入程度一定程度上影响了医生对大脑功能是否损坏或者变化的判断的精准度和可信度，因此，脑电信号检查在临床诊断中起到了日益重要的作用，而脑电图可以放大人脑微弱的生物电信号，所以脑电图现在已经成为一种核查大脑疾病和辅助临床治疗的常规手段[14]。
但是，人体脑电信号微弱，而且有很强的时变敏感特性[4]。在采集脑电信号的过程中一般采用的电极是银氯化银电极，由于电极与头皮之间存在接触阻抗[18]，在使用这种电极的时候需要利用导电膏来降低这种阻抗。由于采集过程中种种因素和操作人员的不同，将导致这些电极相对其它接触阻抗更容易引起空间线性噪声[20]，然而这些线性噪声严重影响医生疾病诊断效率。
有效地检测脑电信号中的电噪声，可以降低噪声去除过程中对有用信号的误操作，减少了时间浪费，对实时性操作有着十分重要的影响，也极大的减少了临床诊断的误判，在临床医学诊断上具有重要意义。
1．2 国内外研究发展及现状
在脑电波[19]研究的早期，脑电波的研究以及对噪声的检测由于技术问题而显得十分有限，医生靠着从医经验通过人眼观测对脑电波进行分析和评价的方式称为人工分析法，医生也是通过从医经验排除信号中的噪声干扰的，他们还根据脑电波图形的频率、幅值、分布等评判大脑功能状态，虽然这种方法很方便、很直观，但是效率十分低下，在阅读和做出判定时很容易造成误判，这种方式使得脑电信号的噪声处理只能停留在人的主观水平上。
自1932年，Dietch首先把傅里叶变换[21]运用于脑电图研究之后，在脑电信号处理中先后引入了时域、频域等方法，极大的促进了脑电信号研究方法的发展。二十世 纪六七十年代起，计算机以及计算机技术的出现与发展，关于脑电信号的分析已逐步进入计算机分析阶段，脑电自动分析系统被相继开发出来，利用计算机帮助脑电信号的分析得到了很大的进展[8]。
现代的时域分析[31]一般是更深入的研究和分析图形的特点，通过过零点检测、峰值分析、直方图检测、相关分析、方差检测、波形的参数检测等方法来直接提取出脑电信号的波形特点，并且在近几年来，过滤技术、模块识别都在一定程度上得到了很大的进展。还有另外一种时域方面的重要手段，叫做同种参数模型提取特征。一些特征的参数可以分类以及识别检测，在脑电定量剖析里占据着非常重要的地位。
有关脑电信号分析以及噪声检测还有频域分析方法，主要是功率谱估计[23]，它是从频率方面来分析随机信号的一种方法 ,一般分成两类，其中一类是经典谱估计。经典谱估计又可以分为两类，一类是间接法，另一类是周期图法。1958年，R.Blackman和J.Tukey率先提出了间接法，并取名为BT谱估计器。这个方法是首先用有限的观测数据来估测相关的函数，之后计算功率谱。在1965年快速傅里叶转换（fast Fourier transform，FFT）未出现以前，间接法一直是最常用的方法。1898年，Schuster采用FFT级数对等待分析的信号进行拟合，对信号里隐蔽的周期性进行搜寻，根据这一点提出了周期图的名词，可是直到FFT出现之后，这种方法才慢慢的得到重视与引用。这种方法是对观测数据直接进行FFT,取模的平方，再除以N得出功率谱。把这两种方法进行比较，周期图法相对简单一些，因为不用对自相关函数进行估计，而且可以用FFT进行计算。因此，周期图法得到了更广泛的应用。还有一种是现代谱的估计，模型是现代谱的估计基础所在，建立这些模型要采用采样的数据，而且对数据进行外推。由于数据工作区外面的未知数据在经典谱估计中被假设为0，相当于给数据加窗，从而导致谱估计不稳定和分辨率降低。现代谱估计不再仅仅是假设工作区外未知数据为0，它是先将观测到的信号中的数据用来估计模型的各种参数，然后再求出模型的输出功率，进而估计信号的功率谱，这样就可以避免了数据工作区外的数据假设问题。现代谱估计也存在一些不足，它不可以完全重构外推的数据，只能用于估计功率谱。对于两种方法而言都有一个大前提，就是分析对象要是平稳的随机信号，如果分析对象是非平稳随机信号，那么分析结果在每一时刻都是不一样的[26]。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/2563.html
