排列模糊熵及其在腦電分析中的應用.pdf

1、腦電是一種常用的腦部檢測方式。近年來的大量研究表明，人類大腦是一個高度復雜的非線性系統(tǒng)，作為記錄大腦內部活動的腦電信號也呈現(xiàn)出高度的復雜性和非線性特性。熵，作為一種重要的非線性動力學特征量，能夠刻畫系統(tǒng)所處狀態(tài)的無序性和混亂程度，已經被廣泛地用于疾病、認知任務等不同狀態(tài)腦電信號的定量分析中。其中，模糊熵作為近似熵和樣本熵的改進，已經得到研究者一定程度上的認可，但是該指標對噪聲的敏感性易受到指標參數(shù)值大小的影響。然而，腦電信號采集中噪聲較

2、多，使得最終得到的信號信噪比很低，因此本文提出了一種排列模糊熵。該指標通過在模糊熵的基礎上引入排序符號化思想對其進行了改進。隨后，通過對比研究發(fā)現(xiàn)排列模糊熵的抗噪性能優(yōu)于傳統(tǒng)的排列熵和模糊熵。最后將三種熵指標分別應用到癲癇自動檢測和精神分裂癥事件相關腦電位數(shù)據(jù)的分析中做了對比。
　　本研究主要內容包括：⑴首先針對模糊熵對噪聲敏感的問題，提出了模糊熵的改進指標--排列模糊熵；隨后在仿真腦電數(shù)據(jù)上結合高斯白噪聲將排列模糊熵的抗噪能力同

3、模糊熵和排列熵進行了比較。仿真實驗結果表明，排列模糊熵的抗噪能力優(yōu)于模糊熵和排列熵,而且其抗噪能力不會因指標參數(shù)設置的不同而低于模糊熵和排列熵。⑵將排列模糊熵、模糊熵和排列熵分別用于同一癲癇自動檢測框架，對比了三種熵的癲癇檢測能力。癲癇自動檢測實驗結果表明：排列模糊熵比模糊熵和排列熵更適用于癲癇檢測。⑶分別使用排列模糊熵、模糊熵和排列熵分析了信噪比更低的精神分裂癥的條件-測試刺激事件相關腦電位數(shù)據(jù)。實驗結果表明：排列模糊熵比模糊熵和排列