符號動力學分析及其在腦電信號處理中的應用.pdf

1、近年來,隨著人類社會現代化程度和文明程度的日益提高,世界各國的腦疾病發(fā)病率也呈顯著的上升趨勢,世界衛(wèi)生組織(WHO)已經將精神保健列為重要的工作內容之一。但是精神疾病的癥狀和病程多種多樣,病因復雜,常常給醫(yī)生的診斷帶來困難,影響了及時準確的治療。因此,對腦電信號建立客觀的評價標準,進行準確的定量分析具有重要的意義,成為人們的研究熱點之一。腦電(Electroencephalogram, EEG)作為與人類大腦最具直接聯系的一種外在表現形

2、式,是臨床診斷的重要手段之一。但是由于以往分析手段的局限性,使得研究結果缺乏普遍適應性而無法在臨床應用中得到很好的發(fā)揮,逐漸被臨床醫(yī)師所冷淡。近年來,腦電已被證明是典型的非線性和非平穩(wěn)的混沌時間序列,因此采用非線性和非平穩(wěn)的方法分析其動力學特性具有十分重要的意義。
　　本文首先介紹了符號動力學的基礎知識,然后從信息論的角度出發(fā),提出了用符號熵來研究非平穩(wěn)信號的復雜性。為了描述信號的復雜性隨時間的動態(tài)變化情況,我們引入了“滑動窗口”

3、技術,得到熵的時間演化圖,從而有效地“捕獲”了信號中的瞬態(tài)奇異變化。在腦電信號的非線性動力學研究中,主要對正常腦電和癲癇病人腦電進行了分析,其中包括Lyapunov指數分析、相關維數、非線性檢測和符號熵分析。眾所周知,大腦是一個時變的耦合混沌神經系統,各種功能的實現都伴隨著大腦皮層上的信息傳輸和交換。因此從信息學的角度,本文提出用互符號熵(cross symbolic entropy)來研究大腦不同區(qū)域之間的模式相似性和信息交換情況,為

4、腦電分析提供了新的方法。此外,我們還對視覺誘發(fā)電位進行了研究,并進行了相關的實驗。
　　本論文的研究結果表明:符號動力學分析是腦電分析的一個新的研究方向,符號熵可以較好地反映信號的復雜性程度,具有簡單、穩(wěn)定的特點。特別是時變的滑動窗口符號熵較好地反映了系統內部各個部分隨時間演繹而呈現不同的復雜性,有效地捕獲信號中的瞬態(tài)奇異成分,更準確地刻畫了系統的信息。因此,利用符號動力學對腦電信號的本質特征進行分析,對于我們理解大腦的高級神經功