《脑电信号处理及脑电图仪电源的设计与仿真》由会员分享，可在线阅读，更多相关《脑电信号处理及脑电图仪电源的设计与仿真（50页珍藏版）》请在金锄头文库上搜索。
1、广西师范大学 硕士学位论文 脑电信号处理及脑电图仪电源的设计与仿真 姓名：胡叶容 申请学位级别：硕士 专业：电路与系统 指导教师：罗晓曙 20080401 广西师范大学硕士学位论文 I 脑电信号处理及脑电图仪电源的设计与仿真 脑电信号处理及脑电图仪电源的设计与仿真 广西师范大物理与信息工程学院 2005 级电路与系统专业 研究生：胡叶容 导师：罗晓曙教授 摘 要摘 要 脑电信号包含了大量的脑内神经元活动信息，同时也包含了来自人体其他器官组织产 生的生物电信号(如心电、肌电和眼电等)以及各种外界因素引起的干扰信号。对脑电信号 处理的目的就是从复杂的背景噪声中分离出有用信号，进而研究脑电信号在不同
2、脑功能状 态下的特征。本文以统计信号处理理论和统计物理学为基础，针对现有传统信号分析方法 的不足，研究混合信号中独立分量提取的相关理论和计算方法；应用 DFA (detrended fluctuation analysis)方法对不同睡眠状态和不同脑功能状态下的脑电数据进行分析。具体工 作如下： (1) 分析了芯片 NCP1351B 的待机工作模式和负电流检测技术的两个重要特性；并利 用这两个特性设计了一个适用于脑电图仪的电源。该电源相比于传统的基于 UC3843 芯片 的单端反激式电源具有更低的待机能耗和稳定性；输出纹波小，能够提供高稳压、高精度 的电源，达到了节能效果。 (2) 针对传统的
3、脑电信号去噪方法的不足，采用了独立分量分析方法对脑电信号进行 分析。在阐述独立分量分析（ICA）的原理及实现过程的基础上，重点分析了两种经典算 法 FastICA 算法和扩展 Infomax 算法。通过仿真结果分析验证了其盲源分离性能，并应用 这两种算法去除脑电信号中的心电、眼电和肌电等伪迹，模拟结果表明独立分量分析方法 在去除噪声的同时能够很好的保留脑电信号中的有用信号，所得结果对算法的改进和实际 应用具有一定的参考价值。 (3) 介绍了DFA算法原理。应用DFA方法计算了Waken、REM (Rapid Eye Movement)、 睡眠1期、睡眠2期、睡眠3期、睡眠4期、心算状态、睁眼状
4、态、安静闭目状态的脑电信号 的标度指数。模拟结果表明这些状态下的脑电信号在时间上具有长程相关性，Waken状态 下的脑电信号的标度指数不同于睡眠脑电的标度指数。从睡眠1期到睡眠2、3、4期，标度 指数逐渐增大，这说明随着睡眠程度加深，脑的动力学活跃性越低。从心算状态、睁眼状 态到安静闭目状态下的标度指数也越来越大，这表明从心算状态、睁眼状态到闭目安静状 态下的脑的动力学活性越来越低，并且在时间上具有长程幂律相关性。 关键词：关键词： 脑电信号 独立分量分析 DFA 去噪 广西师范大学硕士学位论文 II The Processing of EEG and the design of the su
5、pply power for Electroencephalograph Graduate student: Hu Ye-Rong Advisor: Prof. Luo Xiao-Shu Major: Circuit and System Grade: 2005 Abstracts Electroencephalogram (EEG) or brain wave is a typical kind of bioelectricity signal. EEGs contain large amount of original information about the activity of n
6、erve cells. But at the same time many kinds of artifacts are included in the raw brain signals from scalp, such as eyes blinks, electrocardiograph(ECG),electromyography (EMG) and other mechanical noises, which could degenerate the real evoked potentials. The purpose of EEG signal processing is to ex
7、tract the hidden or weak patterns that probably have some physiological and/or psycho-physiological significance from EEG signals in sophisticated noise background and then analyzed their char- acteristic in different states of brain function. Aim to the limitation of traditional signal processing,
8、the theories and methodologies based on statistical signal processing, which are used to extract the independent components from mixture signals, have been researched. The method of DFA is applied to discriminate different states of brain function. The main studies of this paper include: (1) Two imp
9、ortant features of the chip NCP1351B are introduced. Then a power supply for electroencephalograph based on NCP1351B is designed with these two features. This power supply is more stability and consumes less power than single-end flyback switching power supply based on UC3848; Testified by the simul
10、ate experiment, this power supply with NCP1351B for electroencephalograph has strong load capacity, outstanding reliability and small noise . (2) Because of the limitation of traditional denoising method of EEG，the ICA is used to extract the independent components from mixture EEGs . This paper show
11、s the basic principle and implementation of ICA, several main ICA algorithms and the relation of them are roundly introduced. Following the above, this paper probes into the FastICA algorithm and the extend Infomax algorithm , and gives the results of the simulate experiment. The experimental result
12、s show that these algorithms can successfully remove the artifacts such as EOG, muscle artifacts, and enhance the useful signals. (3) The DFA algorithm is introduced, scaling exponents of the different state of EEG dynamics are obtained by analyzing its fluctuation with DFA. These different states o
13、f brain 广西师范大学硕士学位论文 III function include Waken、REM (Rapid Eye Movement)、sleep stage1、sleep stage2、 sleep stage3 、 sleep stage4、 closing eyes 、 opening eyes and making additive operation of EEGs. The scaling exponents of EEG are discriminated according to Waken and sleep EEG. The scaling exponents g
14、radually increased from stage 1 to stage 2、3 and 4，which tells that the dynamics of brain became less activated as sleep stage goes to deep. The scaling exponents also gradually increased from making additive operation、opening eyes to closing eyes, which tells that the dynamics of brain became less
15、activated as the scaling exponents increase. Key words： Electroencephalogram (EEG); ICA; DFA; denoising 论文独创性声明论文独创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下进行的研究工 作及取得的成果。除文中已经注明引用的内容外，本论文不含其他个人或其 他机构已经发表或撰写过的研究成果。对本文的研究作出重要贡献的个人和 集体，均已在文中以明确方式标明。本人承担本声明的法律责任。 研究生签名： 日期： 论文使用授权声明论文使用授权声明 本人完全了解广西师范大学有关保留、使用学位论文
16、的规定。广西师范 大学、中国科学技术信息研究所、清华大学论文合作部，有权保留本人所送 交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存 论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密 论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分 内容。论文的公布（包括刊登）授权广西师范大学学位办办理。 研究生签名： 日期： 导 师签名： 日期： 广西师范大学硕士学位论文 1 第一章 绪论 第一章 绪论 1.1 本课题的来源本课题的来源 本课题来源于导师罗晓曙教授主持的广西教育厅科研资助项目 （桂教科研 200420 号） ： 高性能数字化脑电诊断和监护机的研制。 1.2 本课题的国内外研究背景本课题的国内外研究背景 脑电信号是脑神经细胞群电生理活动在大脑皮层或头皮表面的总体反映，脑电波作为 一种安全、无创伤的医学检测方法在许多脑神经和组织的疾病如癫痫、脑炎、颅内肿瘤、 脑血管病、中枢神经系统感染、颅
