腦電信號(hào)處理及腦電圖儀電源的設(shè)計(jì)與仿真.pdf

1、腦電信號(hào)包含了大量的腦內(nèi)神經(jīng)元活動(dòng)信息，同時(shí)也包含了來自人體其他器官組織產(chǎn)生的生物電信號(hào)(如心電、肌電和眼電等)以及各種外界因素引起的干擾信號(hào)。對(duì)腦電信號(hào)處理的目的就是從復(fù)雜的背景噪聲中分離出有用信號(hào)，進(jìn)而研究腦電信號(hào)在不同腦功能狀態(tài)下的特征。本文以統(tǒng)計(jì)信號(hào)處理理論和統(tǒng)計(jì)物理學(xué)為基礎(chǔ)，針對(duì)現(xiàn)有傳統(tǒng)信號(hào)分析方法的不足，研究混合信號(hào)中獨(dú)立分量提取的相關(guān)理論和計(jì)算方法；應(yīng)用DFA(detrended fluctuation analysis)

2、方法對(duì)不同睡眠狀態(tài)和不同腦功能狀態(tài)下的腦電數(shù)據(jù)進(jìn)行分析。具體工作如下： (1) 分析了芯片NCP1351B的待機(jī)工作模式和負(fù)電流檢測(cè)技術(shù)的兩個(gè)重要特性；并利用這兩個(gè)特性設(shè)計(jì)了一個(gè)適用于腦電圖儀的電源。該電源相比于傳統(tǒng)的基于UC3843芯片的單端反激式電源具有更低的待機(jī)能耗和穩(wěn)定性；輸出紋波小，能夠提供高穩(wěn)壓、高精度的電源，達(dá)到了節(jié)能效果。 (2) 針對(duì)傳統(tǒng)的腦電信號(hào)去噪方法的不足，采用了獨(dú)立分量分析方法對(duì)腦電信號(hào)進(jìn)行分析。在

3、闡述獨(dú)立分量分析（ICA）的原理及實(shí)現(xiàn)過程的基礎(chǔ)上，重點(diǎn)分析了兩種經(jīng)典算法FastICA 算法和擴(kuò)展Infomax算法。通過仿真結(jié)果分析驗(yàn)證了其盲源分離性能，并應(yīng)用這兩種算法去除腦電信號(hào)中的心電、眼電和肌電等偽跡，模擬結(jié)果表明獨(dú)立分量分析方法在去除噪聲的同時(shí)能夠很好的保留腦電信號(hào)中的有用信號(hào)，所得結(jié)果對(duì)算法的改進(jìn)和實(shí)際應(yīng)用具有一定的參考價(jià)值。 (3) 介紹了DFA算法原理。應(yīng)用DFA方法計(jì)算了Waken、REM(Rapid Eye

4、 Movement)、睡眠1期、睡眠2期、睡眠3期、睡眠4期、心算狀態(tài)、睜眼狀態(tài)、安靜閉目狀態(tài)的腦電信號(hào)的標(biāo)度指數(shù)。模擬結(jié)果表明這些狀態(tài)下的腦電信號(hào)在時(shí)間上具有長程相關(guān)性，Waken狀態(tài)下的腦電信號(hào)的標(biāo)度指數(shù)不同于睡眠腦電的標(biāo)度指數(shù)。從睡眠1期到睡眠2、3、4期，標(biāo)度指數(shù)逐漸增大，這說明隨著睡眠程度加深，腦的動(dòng)力學(xué)活躍性越低。從心算狀態(tài)、睜眼狀態(tài)到安靜閉目狀態(tài)下的標(biāo)度指數(shù)也越來越大，這表明從心算狀態(tài)、睜眼狀態(tài)到閉目安靜狀態(tài)下的腦的動(dòng)力學(xué)