基于神经网络的脑电信号分类方法研究
基于神经网络的脑电信号分类方法研究[20191215172107]
摘 要
人脑中活跃着许多的脑细胞，并呈现出一系列的摆动。这种摆动呈现在科学仪器上，看起来就像波动一样。脑中的电器性震动我们称之为脑电波。用一句话来说明脑电波的话，或许可以说它是由脑细胞所产生的生物能源，或者是脑细胞活动的节奏。通过先进仪器对人体大脑神经活动的测量，记录在有意识情况下进行的各种思维活动时的脑电波。可以说脑电信号时是人们研究脑活动的重要信息来源。
本课题基于神经网络的EEG信号的分类方法的研究。本文首先介绍了采集实验数据的EEG信号的研究意义和EEG信号分类方法的研究现状，简要介绍了EEG信号额获取方法，讨论了目前进行数据预处理以及特征提取的主流方法。重点讨论了基于神经网络的EEG信号分类方法。重点介绍BP神经网络的EEG信号分类方法。最后进行仿真实验，进行数据测试，分析结果。
查看完整论文请+Q: 351916072
关键字:EEG信号；神经网络；分类方法
目 录
摘要 I
ABSTRACT II
目 录 III
第 1 章 绪论 1
1.1 研究意义 1
1.2 EEG信号研究现状 2
1.2.1 EEG信号的特点 3
1.2.2 EEG信号分析方法 4
1.3 本课题的研究内容 6
第 2 章 EEG信号初步处理方法 7
2.1 脑电信号的获取方法 7
2.2 脑电信号的预处理 9
2.3 脑电信号的特征提取 10
2.4 本章小结 11
第 3 章 基于神经网络的EEG信号分类方法 12
3.1 神经网络的基本原理 12
3.2 神经网络的互联结构 14
3.3 基于神经网络的分类过程 15
3.3.1 BP算法 15
3.3.2 BP网络结构 16
3.4 本章小结 20
第 4 章 仿真实验 21
4.1 仿真环境介绍 21
4.2 特征提取过程 21
4.3 EEG信号分类的仿真实验 23
4.4 本章小结 32
第 5章 总结与展望 33
5.1总结 33
5.2展望 33
致谢 34
参考文献 35
附录（文献翻译） 36
第1章 绪论
近代以来，人类就一直执着于了解和揭示人脑的思想，利物浦皇家医学院的助理教练Richard Coton最早于1875首次在兔脑上观察到自发的脑电活动，对脑电活动的主要特征有了初步的认识。近年来，随着数学、神经科学、信息科学、计算机、生物医学工程等自然科学的发展，越来越多的研究小组投入到人脑的科学研究中，从整体脑研究系统水平看，研究、认识、开发大脑已经成为21世纪科学研究所面临重大的挑战之一。越来越多的研究者认识到脑科学研究的重要性，揭示了大脑的秘密可以为人类更好的理解和保护自己，治疗神经系统疾病和脑发育的预防和治疗等做出重要的贡献。
1.1 研究意义
在人体生理学上存在许多电信号，其中人体脑电信号又是其中最能直接表达人的思想或意图的一种。脑电的采集几乎对人体没有伤害，其研究涉及到许多的学科，主要有神经生理学、病理生理学、认知神经科学、人工智能工程乃至大众心理学等诸多领域。自脑电发现的那一刻起，它的研究就和应用紧密的结合在一起。脑电在临床上也很丰富，癫痫的发病就是由于脑电的无规则放电引起的。此外，脑外伤和脑血管疾病的发病和治疗均离不开脑电信号的研究。同时，某些典型的精神疾病，例如精神分裂症、老年性痴呆病等的辅助诊断中，脑电信号也发挥了重要作用。除了在研究和疾病诊断发面的贡献外，脑电在功能康复上也起到了一定的作用，将脑电信号用来进行脑功能训练，康复大脑。
目前，全球老龄化趋势越来越严重，尤其是欧美发达国家的老龄化非常严重。我国进入21世纪后，受制于人口红利的下降，老龄化趋势越来越严峻。据调查，2010的人口统计部门，中国60岁及以上老年人口已达174000000，占总人口的13%。而这其中，超高龄老人将达到21320000，占老年人口总数的12.5%左右。预测分析指出，2014年中国老年人口将跃过2亿大关，而十年后的2024年，老龄人口数量将达到3亿，再过20年后的2044年老年人口比例将超过30%。
在这一阶段的中国在各种形式的老年长期护理需要大约三千万，而我国是一个设施严重不足的国家，为老年人提供服务远低于欧美等发达国家。同时，各种天灾人祸，导致的残障人士的数量也在逐年增加，对服务设施的需求也变大[1]。
据了解，目前许多发达国家使用人工智能机器人为残障人士提供服务，提高他们的生活质量。但是由于大多数机器人与人的交互方式都是通过传统方式，很多残障人士根本没有能力独自完成对机器的操控。而且老年人所需要的不仅仅是护理，他们更需要精神上的安抚和付出，这些是生硬的机器人无法达到的。如何使创造出一种更加无创和精妙的方法，是老年人和残障人士更加便捷地使用服务机器人，使得他们更加快捷地这些人士服务成为目前的一项热门研究。
1.2 EEG信号概述
大脑是人体的重要器官，无数的科学家和生理学家期待多年去揭开人脑的神秘，这不仅是因为人类需要了解自身智能活动的规律，从而有希望实现有意识地促进、改善和控制自己的智能活动，同时了解大脑活动规律，也将有助于人工智能机器的发展，使生产力得到发展。1790年， 伽伐尼氏发现电活性的生物现象；1875年，英国科学家卡顿记录到了兔子的大脑的电活动；英国科学家博格在1929年首次发表了关于人的脑电波的研究，由于博格最早使用的生物电放大器设备十分简单，一时间，许多的学者都对其成果存在诸多疑问。随着科学仪器的发展，时间来到1934年，当两位科学家Adrian 和 Mathews 确认了他的结果之后，人类脑电图才得到了科学界的公认。此后，脑电图作为一门新兴学科迅速在世界范围类流行和发展起来，同时它很好地与临床医学相结合起来，得到了十分广泛的应用。EEG信号反映的是大脑皮层神经元的电活动，人们了解大脑的重要途径就是使用脑电采集仪器记录脑电活动，通过脑电图找寻脑电活动的规律性，可以将其作为某一指示的输入，使相应的机器做出需要的反馈。
随着科学技术的发展，记录脑电的方法也在发生着翻天覆地的变化。从最初的示波器记录、人手工描笔记录、录音记录再到今天的计算机分析记录。大规模集成电路及共模抑制技术的采用，使得脑电仪体积进一步减小，抗干扰性能进一步提高。脑电来自脑的神经组织的末梢的电活动。就像人体其他细胞的神经元都具有生物电活动一样，处在大脑区域的细胞的电活动导致大脑皮层发生电位改变，生物学家将之命名为自发脑电活动。对应着自发脑电，还相应的有诱发脑电信号，我们也称之为诱发电位（EP）[2]。诱发电位，顾名思义，是指神经系统接受到某一“引诱”所产生的一系列反应。实验时，在头皮处记录观察测试点的电位变化，记录到的成图的东西我们就称之为脑电图[3]。我们一般用频率作为分类的依据，划分自发脑电图的波形。如图 1.1 所示。表1.1是频率分类。
图1.1 EEG信号的4种基本波形
表1.1 脑电按频率分类表
节律 频率 波幅（uV） 主导时期
alpha 8—13 10—100 清醒、放松
beta 13—22 5—20 思维活动
theta 4—8 20—100 小孩的支配频率
delta 0.5—4 20—200 深睡，婴儿主导
1.2.1 EEG信号特点
脑电信号作为一种典型的生物电信号，除了具有生物电信号的一些属性外，它还具有自己独特的特点，主要表现在以下几个方面：
①脑电信号非常微弱，且背景噪声很强。一般EEG信号达到50μV 左右，最大可达100μV，同时频率范围为1～30Hz。一般来说，采集到的EEG信号的噪声嘈杂，例如50Hz 的工频干扰，由于机器的采集电极在接触点产生的噪声干扰。我们将研究对象之外的所有的干扰信号统称为噪声，噪声在实验中有很剧烈的表现，由于实验时被测人员的比较紧张导致身体抖动的动作等都会带来伪迹。我们需要系统精度很强的仪器来处理和分析脑电信号。仪器的精度非常高，要能清晰识别各种频率的噪声，从噪声中进行滤波。
②脑电信号是不平稳，而且具有很强的随机性。不平稳性的产生是由于这是一个非理想的状态，人体的生理因素始终会对其有一定的影响。随机性则是类似于数学统计上的那种无规则，无定律的存在。人类还未能完全掌握。需要大量的统计，并进行规律总结。有资料报道，EEG 信号长度每增长10倍，它的平稳性就将下降10倍。
③非线性特点。人体的器官的自发调节必然会导致非线性。
④脑电信号的频域特征比较突出。脑电信号的频率分类比较突出，因此，频域分析法常常被使用，这在其分析方法中占据较高位置。
1.2.2EEG信号分析方法研究现状
脑电信号是一种微弱的生理信号。脑电信号的研究具有重要的临床价值，在脑部疾病，临床诊断的认知领域等地方很有价值，但只依靠信号采集设备并不能提供最直接有效的信息。为了使脑电图真正具有使用价值，我们需要依靠一定的信号处理技术对脑电信号的提取和分析包含的信息。自1932年 Dietch首先采用傅立叶变换进行脑电分析以来，频域、时域和时频域的结合的分析等方法越来越多的深入到脑电研究中。近年来，随着非平稳信号分析理论研究的不断深入，一批新的EEG信号分析新方法的发展，有效地促进了脑电信号分析方法的发展。目前广泛应用的EEG 信号分析技术有:
1．时域分析：初期的脑电图的分析大多采取时域分析方法。因为当时只是依靠人自身的计算能力，因而一般采用时域法。时域分析主要用来直接提取特征，常用的方法如过零交叉点分析、标准偏差分析、相关分析、相干平均。虽然脑电信号的波形是太复杂，没有对脑电图波形特别有效的分析方法，但在临床上，由于时域分析和直观，物理意义明确，仍然有许多医学工作者使用时域分析法。
2．频域分析：许多脑电信号的主要特征体现在频率域中，功率谱估计是频域分析的重要方法，它可以把幅度随时间变化的脑电信号变为功率随频变的谱图，从而让人对脑电频率的变化情况一目了然。因此，频谱分析处于脑电信号分析处理的一个重要的位置，也广泛应用于研究各种神经系统疾病的诊断和治疗。为改善谱估计的分辨率，以参数模型为基础形成了一套现代谱估计理论。参数模型估计方法的优点是频率分辨率高，谱图光滑，为EEG 信号频域特征的提取提供了有效手段。由于功率谱估计对信号的要求较高，要求其较高的线性和稳定性等，因此并不适合用于长数据的脑电信号的分析，这是频域分析的弱势所在。
3．时频分析：数学家和科学家们创造了一种频率与时域相结合，这样就能将时域和频域的各自优点都发挥出来，更有利于我们的研究，这就是时频分析法。由于脑电信号所与生俱来的任意性和不稳定性，脑电信号节律易受意识状态、外界刺激和精神活动变化的影响，单纯的时域分析或频域分析都无法全面反映信号特征。时频分析技术，顾名思义，它是一种将时间和频率进行结合，对信号进行分析的技术，其思想是把时域信号在时间-频率平面中展开，将以时间为自变量的信号表示成同时以时间和频率两个参数为结合的自变量的函数，从而表现出信号在不同时间点的频率成分，即两种同时变化，更加有利于表现时变信号和非平稳信号的特征，突出了信号的瞬态特征。由于其分析时需要两种变量的调节，因此相比时域和频域的单独分析来说比较复杂，但是它的特点是更加精确。时频结合分析法在脑电信号分析中已经取得较好的效果了，如使用傅立叶变换变换和分解波形函数、利用小波变换技术的分离、还有Wigner-Ville 分布和Cohen 类分布等都是常见的时频分析方法。小波变换理论是一种最常见的方法，它较好地反映了相对带宽频率和适应可变分辨率的分析思路，在较低的频率使用宽的窗口，并利用短窗在高频率，这为信号的实时分析提供了有效的方法。
摘 要
人脑中活跃着许多的脑细胞，并呈现出一系列的摆动。这种摆动呈现在科学仪器上，看起来就像波动一样。脑中的电器性震动我们称之为脑电波。用一句话来说明脑电波的话，或许可以说它是由脑细胞所产生的生物能源，或者是脑细胞活动的节奏。通过先进仪器对人体大脑神经活动的测量，记录在有意识情况下进行的各种思维活动时的脑电波。可以说脑电信号时是人们研究脑活动的重要信息来源。
本课题基于神经网络的EEG信号的分类方法的研究。本文首先介绍了采集实验数据的EEG信号的研究意义和EEG信号分类方法的研究现状，简要介绍了EEG信号额获取方法，讨论了目前进行数据预处理以及特征提取的主流方法。重点讨论了基于神经网络的EEG信号分类方法。重点介绍BP神经网络的EEG信号分类方法。最后进行仿真实验，进行数据测试，分析结果。
查看完整论文请+Q: 351916072
关键字:EEG信号；神经网络；分类方法
目 录
摘要 I
ABSTRACT II
目 录 III
第 1 章 绪论 1
1.1 研究意义 1
1.2 EEG信号研究现状 2
1.2.1 EEG信号的特点 3
1.2.2 EEG信号分析方法 4
1.3 本课题的研究内容 6
第 2 章 EEG信号初步处理方法 7
2.1 脑电信号的获取方法 7
2.2 脑电信号的预处理 9
2.3 脑电信号的特征提取 10
2.4 本章小结 11
第 3 章 基于神经网络的EEG信号分类方法 12
3.1 神经网络的基本原理 12
3.2 神经网络的互联结构 14
3.3 基于神经网络的分类过程 15
3.3.1 BP算法 15
3.3.2 BP网络结构 16
3.4 本章小结 20
第 4 章 仿真实验 21
4.1 仿真环境介绍 21
4.2 特征提取过程 21
4.3 EEG信号分类的仿真实验 23
4.4 本章小结 32
第 5章 总结与展望 33
5.1总结 33
5.2展望 33
致谢 34
参考文献 35
附录（文献翻译） 36
第1章 绪论
近代以来，人类就一直执着于了解和揭示人脑的思想，利物浦皇家医学院的助理教练Richard Coton最早于1875首次在兔脑上观察到自发的脑电活动，对脑电活动的主要特征有了初步的认识。近年来，随着数学、神经科学、信息科学、计算机、生物医学工程等自然科学的发展，越来越多的研究小组投入到人脑的科学研究中，从整体脑研究系统水平看，研究、认识、开发大脑已经成为21世纪科学研究所面临重大的挑战之一。越来越多的研究者认识到脑科学研究的重要性，揭示了大脑的秘密可以为人类更好的理解和保护自己，治疗神经系统疾病和脑发育的预防和治疗等做出重要的贡献。
1.1 研究意义
在人体生理学上存在许多电信号，其中人体脑电信号又是其中最能直接表达人的思想或意图的一种。脑电的采集几乎对人体没有伤害，其研究涉及到许多的学科，主要有神经生理学、病理生理学、认知神经科学、人工智能工程乃至大众心理学等诸多领域。自脑电发现的那一刻起，它的研究就和应用紧密的结合在一起。脑电在临床上也很丰富，癫痫的发病就是由于脑电的无规则放电引起的。此外，脑外伤和脑血管疾病的发病和治疗均离不开脑电信号的研究。同时，某些典型的精神疾病，例如精神分裂症、老年性痴呆病等的辅助诊断中，脑电信号也发挥了重要作用。除了在研究和疾病诊断发面的贡献外，脑电在功能康复上也起到了一定的作用，将脑电信号用来进行脑功能训练，康复大脑。
目前，全球老龄化趋势越来越严重，尤其是欧美发达国家的老龄化非常严重。我国进入21世纪后，受制于人口红利的下降，老龄化趋势越来越严峻。据调查，2010的人口统计部门，中国60岁及以上老年人口已达174000000，占总人口的13%。而这其中，超高龄老人将达到21320000，占老年人口总数的12.5%左右。预测分析指出，2014年中国老年人口将跃过2亿大关，而十年后的2024年，老龄人口数量将达到3亿，再过20年后的2044年老年人口比例将超过30%。
在这一阶段的中国在各种形式的老年长期护理需要大约三千万，而我国是一个设施严重不足的国家，为老年人提供服务远低于欧美等发达国家。同时，各种天灾人祸，导致的残障人士的数量也在逐年增加，对服务设施的需求也变大[1]。
据了解，目前许多发达国家使用人工智能机器人为残障人士提供服务，提高他们的生活质量。但是由于大多数机器人与人的交互方式都是通过传统方式，很多残障人士根本没有能力独自完成对机器的操控。而且老年人所需要的不仅仅是护理，他们更需要精神上的安抚和付出，这些是生硬的机器人无法达到的。如何使创造出一种更加无创和精妙的方法，是老年人和残障人士更加便捷地使用服务机器人，使得他们更加快捷地这些人士服务成为目前的一项热门研究。
1.2 EEG信号概述
大脑是人体的重要器官，无数的科学家和生理学家期待多年去揭开人脑的神秘，这不仅是因为人类需要了解自身智能活动的规律，从而有希望实现有意识地促进、改善和控制自己的智能活动，同时了解大脑活动规律，也将有助于人工智能机器的发展，使生产力得到发展。1790年， 伽伐尼氏发现电活性的生物现象；1875年，英国科学家卡顿记录到了兔子的大脑的电活动；英国科学家博格在1929年首次发表了关于人的脑电波的研究，由于博格最早使用的生物电放大器设备十分简单，一时间，许多的学者都对其成果存在诸多疑问。随着科学仪器的发展，时间来到1934年，当两位科学家Adrian 和 Mathews 确认了他的结果之后，人类脑电图才得到了科学界的公认。此后，脑电图作为一门新兴学科迅速在世界范围类流行和发展起来，同时它很好地与临床医学相结合起来，得到了十分广泛的应用。EEG信号反映的是大脑皮层神经元的电活动，人们了解大脑的重要途径就是使用脑电采集仪器记录脑电活动，通过脑电图找寻脑电活动的规律性，可以将其作为某一指示的输入，使相应的机器做出需要的反馈。
随着科学技术的发展，记录脑电的方法也在发生着翻天覆地的变化。从最初的示波器记录、人手工描笔记录、录音记录再到今天的计算机分析记录。大规模集成电路及共模抑制技术的采用，使得脑电仪体积进一步减小，抗干扰性能进一步提高。脑电来自脑的神经组织的末梢的电活动。就像人体其他细胞的神经元都具有生物电活动一样，处在大脑区域的细胞的电活动导致大脑皮层发生电位改变，生物学家将之命名为自发脑电活动。对应着自发脑电，还相应的有诱发脑电信号，我们也称之为诱发电位（EP）[2]。诱发电位，顾名思义，是指神经系统接受到某一“引诱”所产生的一系列反应。实验时，在头皮处记录观察测试点的电位变化，记录到的成图的东西我们就称之为脑电图[3]。我们一般用频率作为分类的依据，划分自发脑电图的波形。如图 1.1 所示。表1.1是频率分类。
图1.1 EEG信号的4种基本波形
表1.1 脑电按频率分类表
节律 频率 波幅（uV） 主导时期
alpha 8—13 10—100 清醒、放松
beta 13—22 5—20 思维活动
theta 4—8 20—100 小孩的支配频率
delta 0.5—4 20—200 深睡，婴儿主导
1.2.1 EEG信号特点
脑电信号作为一种典型的生物电信号，除了具有生物电信号的一些属性外，它还具有自己独特的特点，主要表现在以下几个方面：
①脑电信号非常微弱，且背景噪声很强。一般EEG信号达到50μV 左右，最大可达100μV，同时频率范围为1～30Hz。一般来说，采集到的EEG信号的噪声嘈杂，例如50Hz 的工频干扰，由于机器的采集电极在接触点产生的噪声干扰。我们将研究对象之外的所有的干扰信号统称为噪声，噪声在实验中有很剧烈的表现，由于实验时被测人员的比较紧张导致身体抖动的动作等都会带来伪迹。我们需要系统精度很强的仪器来处理和分析脑电信号。仪器的精度非常高，要能清晰识别各种频率的噪声，从噪声中进行滤波。
②脑电信号是不平稳，而且具有很强的随机性。不平稳性的产生是由于这是一个非理想的状态，人体的生理因素始终会对其有一定的影响。随机性则是类似于数学统计上的那种无规则，无定律的存在。人类还未能完全掌握。需要大量的统计，并进行规律总结。有资料报道，EEG 信号长度每增长10倍，它的平稳性就将下降10倍。
③非线性特点。人体的器官的自发调节必然会导致非线性。
④脑电信号的频域特征比较突出。脑电信号的频率分类比较突出，因此，频域分析法常常被使用，这在其分析方法中占据较高位置。
1.2.2EEG信号分析方法研究现状
脑电信号是一种微弱的生理信号。脑电信号的研究具有重要的临床价值，在脑部疾病，临床诊断的认知领域等地方很有价值，但只依靠信号采集设备并不能提供最直接有效的信息。为了使脑电图真正具有使用价值，我们需要依靠一定的信号处理技术对脑电信号的提取和分析包含的信息。自1932年 Dietch首先采用傅立叶变换进行脑电分析以来，频域、时域和时频域的结合的分析等方法越来越多的深入到脑电研究中。近年来，随着非平稳信号分析理论研究的不断深入，一批新的EEG信号分析新方法的发展，有效地促进了脑电信号分析方法的发展。目前广泛应用的EEG 信号分析技术有:
1．时域分析：初期的脑电图的分析大多采取时域分析方法。因为当时只是依靠人自身的计算能力，因而一般采用时域法。时域分析主要用来直接提取特征，常用的方法如过零交叉点分析、标准偏差分析、相关分析、相干平均。虽然脑电信号的波形是太复杂，没有对脑电图波形特别有效的分析方法，但在临床上，由于时域分析和直观，物理意义明确，仍然有许多医学工作者使用时域分析法。
2．频域分析：许多脑电信号的主要特征体现在频率域中，功率谱估计是频域分析的重要方法，它可以把幅度随时间变化的脑电信号变为功率随频变的谱图，从而让人对脑电频率的变化情况一目了然。因此，频谱分析处于脑电信号分析处理的一个重要的位置，也广泛应用于研究各种神经系统疾病的诊断和治疗。为改善谱估计的分辨率，以参数模型为基础形成了一套现代谱估计理论。参数模型估计方法的优点是频率分辨率高，谱图光滑，为EEG 信号频域特征的提取提供了有效手段。由于功率谱估计对信号的要求较高，要求其较高的线性和稳定性等，因此并不适合用于长数据的脑电信号的分析，这是频域分析的弱势所在。
3．时频分析：数学家和科学家们创造了一种频率与时域相结合，这样就能将时域和频域的各自优点都发挥出来，更有利于我们的研究，这就是时频分析法。由于脑电信号所与生俱来的任意性和不稳定性，脑电信号节律易受意识状态、外界刺激和精神活动变化的影响，单纯的时域分析或频域分析都无法全面反映信号特征。时频分析技术，顾名思义，它是一种将时间和频率进行结合，对信号进行分析的技术，其思想是把时域信号在时间-频率平面中展开，将以时间为自变量的信号表示成同时以时间和频率两个参数为结合的自变量的函数，从而表现出信号在不同时间点的频率成分，即两种同时变化，更加有利于表现时变信号和非平稳信号的特征，突出了信号的瞬态特征。由于其分析时需要两种变量的调节，因此相比时域和频域的单独分析来说比较复杂，但是它的特点是更加精确。时频结合分析法在脑电信号分析中已经取得较好的效果了，如使用傅立叶变换变换和分解波形函数、利用小波变换技术的分离、还有Wigner-Ville 分布和Cohen 类分布等都是常见的时频分析方法。小波变换理论是一种最常见的方法，它较好地反映了相对带宽频率和适应可变分辨率的分析思路，在较低的频率使用宽的窗口，并利用短窗在高频率，这为信号的实时分析提供了有效的方法。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/4967.html
