小波变换的脑电图信号应用分析论文_张风平

小波变换的脑电图信号应用分析论文_张风平

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 【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信号的辨别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、器质性精神疾病等疾病检查中发挥一定作用。但此类检查能发挥最大作用的领域主要是癫痫,因为,在癫痫发病时病人脑部会出现癫痫放电现象。

2.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,能对更大时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,则能对小段时间内的信号变化进行观察,对时间变化的分辨率较高。因此,对尺度因子进行干预,就能提升对时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。确定此时刻信号和函数之间的逼近程度,在时间轴上对函数进行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,就会得到在各时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,对癫痫等疾病的临床检查有积极意义。

3.小波变换在脑电图信号处理中的应用

3.1 EEG信号分析概述

在此领域中,国产的检测仪器花费资金较少,但在使用时存在问题。

期刊文章分类查询,尽在期刊图书馆在对信号进行处理时过于简略,无法应对很多情况的异常问题。在分析EEG信号时,医生通常都是依靠主观判断,没有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,要依据目前最新的发展形势,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

为让研究更加具体、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信号进行分析时遇到的噪音干扰。自适应滤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,同时不对原有的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,得到具有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。

4.实验结果分析与对比

为验证噪音去除方法是否有效,创建眼电信号和干净的脑电信号,在经过时域混叠处理后,对受到干扰的脑电信号进行模拟,对比使用此方法消除噪音的效果,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。

对实验结果进行分析后发现,两种方式均能将大多数噪声清除,但对信号波动进行局部放大后进行观察发现,实际效果存在差别,方法1对初始脑电信号的变化情况实现了更加清晰的记录,和原始没受到污染的信号大致一致,去噪效果达到较高水平。而另外一种处理方式获得的信号和干净信号则有较大差距。根据实际效果,小波变换与抵消器搭配使用的方式去噪效果更强,并在很大程度上保留了原有信号的信息,处理效果更佳。

此外还要对此种方法的可行性进行分析,利用平稳小波变换阀值处理方式(方法3)对实验结果进行重新对比。在对时域细节进行分析之后,可以很直观地观察到,此方法的处理效果大幅度优于新使用的处理方法,再次证明此方法的优越性。

在对比完实际处理效果之后,还要对处理精度进行分析,以均方误差的方式判定误差。经过检验后,方法1比方法2的误差小,但与方法3的误差较为相近。经过细致分析后发现,方法1和方法2在低频信号段的处理能力较为相近,方法3在此方面则能发挥最强效果;在眼电信号的重点分布波段,方法1的处理效果略弱于方法2;方法1应对高频噪音的实际效果比方法2强。因此,方法1不仅能处理低频噪声,还能在较大程度上保留高频脑电信号。

之前的实验结果对比均是模拟实验,要对实际脑电的噪声去除效果进行分析,确保研究的有效性。在实验前采取措施避免受其他原因造成的传输线、电器等类型干扰。在通过阀值处理后实施重构,经过处理后的眼电信号所包含的眼电信息十分全面,同时也包含了少部分脑电信息。对三种方法获得的结果与模拟实验对比之后,通过计算后发现,低于13Hz的部分频谱能量呈降低趋势,高频段重合度较高,方法1与方法2的实际效果均达到一定水准,都能在去除噪声的同时不对脑电信号进行大幅度破坏。但方法2在实际使用时要在人力的干预下才能发挥作用,在具体应用中受到限制。而方法1规避了方法2存在的应用风险,在没有人力介入的情况下依旧能发挥去噪效果,让小波变换的优势得到发挥,滤波作用较强。

5.总结

小波变换在分析EEG信号时依旧存在噪声等困扰,对实际使用效果产生负面影响。研究人员要加大研究力度,利用最新方法应对信号处理中出现的问题。此次研究中使用的方法1能获得良好的噪声去除效果,而且对原始有价值信号的破坏较小,在脑电图信号分析中可发挥较大作用。

【参考文献】

[1]谢宏,施小南.基于离散小波变换的脑电信号睡眠分期研究[J].微型机与应用,2015,25(16):18-20.

[2]刘珑,李胜,王轶卿.基于小波包变换的脑电波信号降噪及特征提取[J].计算机工程与科学,2015,37(4):790-795.

[3]张宇辉,刘梦婕,黄南天,等.频率切片小波变换在局部放电信号分析中的应用[J].高电压技术,2015,41(7):2283-2293.

论文作者:张风平

论文发表刊物:《心理医生》2016年3期

论文发表时间:2016/7/29

标签:;  ;  ;  ;  ;  ;  ;  ;  

小波变换的脑电图信号应用分析论文_张风平
下载Doc文档

猜你喜欢