結(jié)合小波包和ICA技術(shù)的腦電特征提取研究

摘 要： 為了判斷流經(jīng)人體電流達(dá)到感知電流閾值前后腦電特征是否發(fā)生變化，采用小波包和獨(dú)立分量分析（ICA）技術(shù)相結(jié)合的方法，對(duì)腦電α波進(jìn)行特征提取。利用小波包分解，重構(gòu)相關(guān)頻段信號(hào)來(lái)構(gòu)造特征波參考信號(hào)，然后進(jìn)行ICA分析，最終提取出腦電α信號(hào)特征波。實(shí)驗(yàn)證明，結(jié)合小波包和ICA技術(shù)能夠有效地提取腦電信號(hào)特征波。

關(guān)鍵詞： 小波包； 獨(dú)立分量分析； 腦電信號(hào)； 特征提取

中圖分類號(hào)： TN911?34； TH7 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2013）04?0096?03

0 引 言

腦電作為一種無(wú)創(chuàng)的檢測(cè)手段，其研究涉及神經(jīng)生理學(xué)、心理學(xué)、病理生理學(xué)、認(rèn)知神經(jīng)科學(xué)、神經(jīng)工程乃至社會(huì)心理學(xué)、信息與信號(hào)處理等諸多領(lǐng)域[1]。腦電信號(hào)是一種隨機(jī)性很強(qiáng)的非平穩(wěn)信號(hào)，且具有典型的非線性特點(diǎn)。腦電信號(hào)節(jié)律種類多樣，各種不同的情緒、心態(tài)都會(huì)影響腦電波的變化，具有很高的時(shí)變敏感性[2]。

自從Berger于1929年發(fā)現(xiàn)腦電以來(lái)，人們運(yùn)用了多種數(shù)字信號(hào)處理方法來(lái)對(duì)腦電信號(hào)進(jìn)行研究，并取得了一定的進(jìn)展[3]。其中，各種譜分析方法被廣泛的應(yīng)用于腦電的分析與處理中，但是，譜分析方法通常假設(shè)信號(hào)是平穩(wěn)的，單從頻域角度分析并不能有效地反映腦電信號(hào)的特征。隨著數(shù)字信號(hào)處理技術(shù)的不斷發(fā)展，新興的小波變換具有良好的時(shí)頻局部化特性，非常適合分析非平穩(wěn)信號(hào)的瞬態(tài)特性和時(shí)變特性[4?5]，但其高頻段的頻率分辨率較低，在小波變換基礎(chǔ)上提出來(lái)的小波包分析對(duì)高頻部分也可進(jìn)行分解，能夠根據(jù)信號(hào)的特征選取相應(yīng)的頻帶進(jìn)行分析，因此，小波包分析具有更高的應(yīng)用價(jià)值。

獨(dú)立分量分析是信號(hào)處理領(lǐng)域在20世紀(jì)90年代后期發(fā)展起來(lái)的一種全新的基于信號(hào)高階統(tǒng)計(jì)量的信號(hào)處理方法。其基本含義是將多道觀測(cè)信號(hào)按照統(tǒng)計(jì)獨(dú)立的原則通過(guò)優(yōu)化算法分解為若干獨(dú)立成分，復(fù)現(xiàn)出原來(lái)的獨(dú)立信源[6]。

1 小波包分解基本理論

小波分解克服了傅里葉變換的局限性，在時(shí)域和頻域上都具有良好的局部化特性，它可以聚焦到對(duì)象的任意細(xì)節(jié)，可以把信號(hào)分解成多頻率通道的信號(hào)，是具有多分辨率的分析方法。小波包分解是從小波分解延伸出的一種對(duì)信號(hào)更加細(xì)致的分析與重構(gòu)方法[7]。小波分解是把信號(hào)分解成低頻和高頻兩部分，在下一層分解中，又將分解出的低頻部分分解成低頻和高頻兩部分，如此類推，小波變換的頻率分辨率隨頻率的升高而降低。小波包分解不僅對(duì)信號(hào)低頻部分進(jìn)行分解，對(duì)小波分解沒(méi)有細(xì)分的高頻部分也進(jìn)行分解，并能根據(jù)被分析信號(hào)的特征，自適應(yīng)地選擇相應(yīng)的頻帶，使之與信號(hào)頻譜相匹配，從而提高了時(shí)頻分辨率[8?10]，是比小波分解更為精細(xì)的一種分解方法。設(shè)[?（t）]為尺度函數(shù)：

根據(jù)所要提取信號(hào)的頻段，選擇相應(yīng)的頻帶對(duì)應(yīng)的小波分解系數(shù)，應(yīng)用式（8）進(jìn)行重構(gòu)，就可以有目的地重構(gòu)要提取的信號(hào)。

2 實(shí)驗(yàn)及數(shù)據(jù)分析

2.1 實(shí)驗(yàn)數(shù)據(jù)來(lái)源

本實(shí)驗(yàn)在中國(guó)人民解放軍第306醫(yī)院進(jìn)行，受試者為6男6女，共計(jì)12人。在受試者閉目、放松的狀態(tài)下開(kāi)始采集腦電數(shù)據(jù)，采樣頻率為120 Hz。在試驗(yàn)中，給予受試者一定的電流刺激，當(dāng)電流逐漸增大到人體感知電流閾值時(shí)，即當(dāng)受試者感受到電流刺激時(shí)做下標(biāo)記。為了判斷當(dāng)人體流過(guò)的電流達(dá)到人體感知電流閾值時(shí)，腦電特征是否發(fā)生了變化，首先就要提取出流經(jīng)人體電流達(dá)到感知電流閾值前后的腦電特征。

2.2 小波包分解算法提取腦電α節(jié)律

α波是節(jié)律性腦電波中最明顯的波，正常成人在清醒、安靜、閉目時(shí)，腦電圖由α波和快波構(gòu)成，有少量θ波散在出現(xiàn)，不出現(xiàn)明顯的θ波和δ波[11]。α波活動(dòng)最為明顯，為正常成人的基本節(jié)律。本次實(shí)驗(yàn)的受試者均為身體健康的正常成人，因此，只對(duì)α節(jié)律波形進(jìn)行研究，對(duì)于其他節(jié)律波形則不做分析。

圖1為1例400 Hz三角波信號(hào)流過(guò)人體時(shí)的腦電圖，O1?A1和O2?A2是位于枕區(qū)位置的導(dǎo)聯(lián)給出的腦電波形，由于α波在枕部?jī)?yōu)勢(shì)出現(xiàn)，多數(shù)情況，α波及快波在左右大腦半球的相同部位大體左右對(duì)稱。一般枕區(qū)α波有左右波幅差時(shí)，多為右側(cè)波幅高，正常情況下兩側(cè)波幅差不超過(guò)20%。因此選取O2?A2區(qū)域腦電信號(hào)作為研究對(duì)象。

2.3 結(jié)合ICA的腦電α節(jié)律提取

把以上α節(jié)律頻段所包含的分解節(jié)點(diǎn)的3路重構(gòu)信號(hào)作為α波的參考信號(hào)，連同待分析信號(hào)組成4路ICA的輸入信號(hào)，用FastICA算法對(duì)這4路信號(hào)進(jìn)行分離，把待分析信號(hào)中的α波分離掉，得到一路幾乎不含α波的信號(hào)，則此信號(hào)與待分析信號(hào)之間相差的部分就是所要提取的α波信號(hào)。如圖4所示。

圖4 4路信號(hào)經(jīng)FastICA分離后的結(jié)果

將輸出的4路信號(hào)分別命名為IC1，IC2，IC3，IC4，通過(guò)觀察可以看出分離后的第一路信號(hào)IC1即為待分析信號(hào)S去除α波的信號(hào)。將待分析信號(hào)S分別與分離后的4路輸出信號(hào)相關(guān)，得到如下的相關(guān)系數(shù)表。

從表1中可以看出，IC1與待分析信號(hào)S的相關(guān)系數(shù)的絕對(duì)值遠(yuǎn)大于其他信號(hào)，因此可以判斷IC1即為去除α波的腦電信號(hào)，證明了分離結(jié)果的正確。

由于ICA方法的不確定性，分離結(jié)果存在幅度和相位的不確定性，待分析信號(hào)S與IC1之間幅度的倍數(shù)關(guān)系r可表示為：

從圖5中可以看出，α波特征相比于圖3中最初提取的α波在總體上得到了明顯的加強(qiáng)。對(duì)兩次提取的α波信號(hào)做功率譜分析，如圖6所示，可以看出，在α波頻率范圍內(nèi)（8～13 Hz）的信號(hào)特征得到了一定的增強(qiáng)。對(duì)試驗(yàn)獲得的967組數(shù)據(jù)進(jìn)行α波特征提取，其中958例數(shù)據(jù)提取出的α波信號(hào)特征都得到了不同程度的增強(qiáng)，占全部數(shù)據(jù)的99%。

3 結(jié) 語(yǔ)

本文結(jié)合了小波包分解和獨(dú)立分量分析的方法進(jìn)行α波的提取，在利用小波包分解，然后分別重構(gòu)相關(guān)頻段信號(hào)來(lái)構(gòu)造α波參考信號(hào)進(jìn)行ICA分析，最終提取出α波。從實(shí)際應(yīng)用結(jié)果可以看出，這種方法用來(lái)提取腦電信號(hào)的α波是有效的，兩者的結(jié)合為腦電信號(hào)的特征提取提供的新思路，也為判斷流經(jīng)人體電流達(dá)到感知電流閾值前后腦電特征的變化打下了基礎(chǔ)。

參考文獻(xiàn)

[1] 吳堅(jiān).獨(dú)立分量分析在腦電信號(hào)處理中的應(yīng)用[D].西安：長(zhǎng)安大學(xué)，2009.

[2] 李穎潔，朱貽盛，王繼紅.腦電波分析在精神病診斷中的應(yīng)用[J].北京生物醫(yī)學(xué)工程，2000，19（4）：244?248.

[3] 李勇.腦電信號(hào)現(xiàn)代分析方法的發(fā)展[J].國(guó)外生物醫(yī)學(xué)工程分冊(cè)，1996，19（4）：199?202.

[4] THAKOR N V， GUO X R， SUN Y C， et al. Multiresolution wavelet analysis of evoked potentials [J]. IEEE Transactions on Biomedical Engineering， 1993， 40（11）： 1085?1094.

[5] 羅志增，李亞飛，孟明，等.腦電信號(hào)的混沌分析和小波包變換特征提取算法[J].儀器儀表學(xué)報(bào)，2011，31（1）：33?39.

[6] 黃日輝，李霆，阜艷，等.誘發(fā)腦電提取方法的進(jìn)展研究[J].現(xiàn)代電子技術(shù)，2008，31（22）：139?141.

[7] 王玲.基于小波包變換的表面肌電信號(hào)模式識(shí)別[J].現(xiàn)代電子技術(shù)，2011，34（17）：122?124.

[8] 張德豐.Matlab小波分析[M].北京：機(jī)械工業(yè)出版社，2009.

[9] 徐寶國(guó)，宋愛(ài)國(guó).基于小波包變換和聚類分析的腦電信號(hào)識(shí)別方法[J].儀器儀表學(xué)報(bào)，2009，29（1）：25?28.

[10] 王浩，劉沖，王宏.基于小波變換的腦電特征信號(hào)自動(dòng)監(jiān)測(cè)方法[J].儀器儀表學(xué)報(bào)，2005，25（8）：4?5.

[11] 大熊輝雄.腦電圖判讀step by step 入門篇[M].北京：科學(xué)出版社，2001.