腦電信號的自適應(yīng)分段和分類存檔

李紅宇 劉慶江 常曉娟 趙薇

摘要：基于相關(guān)函數(shù)中的腦電信號基礎(chǔ)，對其適應(yīng)分段及分類存檔的方法進(jìn)行分析和探究，并依據(jù)相關(guān)理論內(nèi)容，首次提出了有關(guān)最小差別判決法，通過相關(guān)實(shí)驗(yàn)，證明腦電信號的自適應(yīng)分段及分類存檔的方法符合設(shè)計(jì)的需要。本文以文獻(xiàn)對比法和案例分析法，以多類運(yùn)動(dòng)腦信號的分析為例，對自適應(yīng)分段的內(nèi)容及分類存檔的相關(guān)方法進(jìn)行闡述。

關(guān)鍵詞：腦電信號;自適應(yīng)分段;分類存檔

中圖分類號：TP274 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2019）10-0079-02

0 引言

對于腦電信號受眼動(dòng)信號和對應(yīng)的肌電干擾的相關(guān)影響來看，要多余的特征分析，實(shí)現(xiàn)對有損分類器的相關(guān)狀態(tài)進(jìn)行有效性的分析，如果在網(wǎng)絡(luò)出現(xiàn)過對應(yīng)的擬合，要依據(jù)特征化的分析原理，結(jié)合分類器所采用的相關(guān)算法，對傳統(tǒng)的算法和相關(guān)信息論證法進(jìn)行分析，以保證相關(guān)特征方法的有效利用。本研究中提出的自適應(yīng)級聯(lián)神經(jīng)網(wǎng)絡(luò)系統(tǒng)中的相關(guān)算法的學(xué)習(xí)中，將輸入層的相關(guān)神經(jīng)元數(shù)目在有效的學(xué)習(xí)過程中獲取相關(guān)輸入特征的合理應(yīng)用，并在學(xué)習(xí)的過程中，結(jié)合相關(guān)特征，實(shí)現(xiàn)對分類有效性的應(yīng)用。

1 分段方案的選擇

對于腦電信號的處理來說和國內(nèi)外的相關(guān)文獻(xiàn)要求看，由于典型的AR模型所建立腦電信號的過濾及處理過程，可以通過不同的方法呈現(xiàn)出來。對于因?yàn)闄z測過程導(dǎo)致的相關(guān)分段的準(zhǔn)確性的應(yīng)用，結(jié)合相關(guān)函數(shù)的基礎(chǔ)內(nèi)容，進(jìn)行分段方法的合理化分析。為了達(dá)到相關(guān)方法使用的精確度，在此基礎(chǔ)上，應(yīng)充分的結(jié)合相關(guān)數(shù)據(jù)的采集、處理，借助“最小差別判決法”，對實(shí)現(xiàn)8通道腦電信號的自適應(yīng)分段的處理方法進(jìn)行研究。

2 自相關(guān)函數(shù)的估計(jì)

離散隨機(jī)信號的自相關(guān)函數(shù)中，對應(yīng)的函數(shù)如下：

其中對于以上函數(shù)中的取值范圍，針對有限的長度信號結(jié)構(gòu)，對可以利用的相關(guān)數(shù)據(jù)信息進(jìn)行評估，且在0～（N-1）的范圍內(nèi)時(shí)，對應(yīng)實(shí)際計(jì)算的過程中，可以利用數(shù)據(jù)的直接估算進(jìn)行合理化的分析與應(yīng)用。

本章節(jié)以多類運(yùn)動(dòng)想象識別率比較低的問題為主，結(jié)合利用小波的分析方法和GSP的特征，采用小波包分解（WPD）實(shí)現(xiàn)快速時(shí)頻的計(jì)算分析，在分析算法的過程中，結(jié)合GSP所缺乏的信息缺陷，與實(shí)際的小波包的特定的頻段WPV進(jìn)行算法間的相互結(jié)合。

3 算法的基本理論

對于小波包分解來說，其能夠依據(jù)信號更為精細(xì)的分析方法，結(jié)合分析信號的相關(guān)特征，依據(jù)自適應(yīng)的選擇對應(yīng)的頻段，并能夠提高時(shí)頻的分辨率，進(jìn)而在特征提取的過程中，依據(jù)CSP實(shí)現(xiàn)對腦電信號的特征的有效提取。特別是在對整體二分類方法和相關(guān)問題的分析中，運(yùn)用的已經(jīng)相當(dāng)成熟，且隨著相關(guān)誤差信息，誤差理論等內(nèi)容的合理化應(yīng)用，實(shí)現(xiàn)采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化的理論，兼顧訓(xùn)練的狀態(tài)及程度，對向量機(jī)采用結(jié)構(gòu)風(fēng)險(xiǎn)最小的相關(guān)原理，并結(jié)合泛化的能力，對于小的樣本結(jié)構(gòu)及高維數(shù)的分類方法及問題進(jìn)行分析，將分類問題的顯著性表達(dá)出來。

3.1 分類算法

分類算法的基本應(yīng)用原理中，對于線性結(jié)構(gòu)不可分的樣本數(shù)據(jù)來說，通過定義一個(gè)非線性的映射關(guān)系，從而形成一個(gè)最優(yōu)的分類界面，使目標(biāo)樣本的結(jié)構(gòu)及正負(fù)兩類的樣本體系能夠正確的進(jìn)行識別，判斷出對應(yīng)隔離邊緣的最大化內(nèi)容。

3.2 腦電信號的預(yù)處理

對于腦電信號的預(yù)處理過程來說，應(yīng)首先根據(jù)其預(yù)處理的過程，實(shí)現(xiàn)對整體系統(tǒng)的濾波合理化應(yīng)用。并結(jié)合腦電系統(tǒng)中的噪聲，盡可能的減少相關(guān)后續(xù)處理事宜的相關(guān)基礎(chǔ)性內(nèi)容，并通過相關(guān)的研究表明，在大腦皮層結(jié)構(gòu)中，對應(yīng)神經(jīng)活動(dòng)所能夠體現(xiàn)的相關(guān)事件的基本理論中，可以通過利用內(nèi)在的刺激對所產(chǎn)生的電波變化進(jìn)行合理化分析，并利用大腦進(jìn)行相關(guān)運(yùn)動(dòng)現(xiàn)象的分析，結(jié)合現(xiàn)有的知識體系，在特定頻段結(jié)構(gòu)內(nèi)，依據(jù)腦電的功率實(shí)現(xiàn)對相關(guān)信號增強(qiáng)或減弱的分析。

4 自適應(yīng)分段

4.1 實(shí)現(xiàn)的方法

EEG信號可以通過相關(guān)標(biāo)準(zhǔn)的移動(dòng)窗結(jié)構(gòu)，結(jié)合移動(dòng)窗的長度以檢測的形式確定變化程度的快慢等，同時(shí)以變化的速度來衡量整個(gè)波形的結(jié)構(gòu)等。通過實(shí)驗(yàn)，分析出取窗長度為1s，參考窗結(jié)構(gòu)的固定形式，針對固定分段結(jié)構(gòu)體系中的相關(guān)起始位置，對分段內(nèi)的相關(guān)非平穩(wěn)化的移動(dòng)窗和相關(guān)信息系統(tǒng)的合理化分析。當(dāng)對應(yīng)的差別大于一定的預(yù)置門限時(shí)，一個(gè)新的段界就可以實(shí)現(xiàn)了，并且在新的參考窗的體系結(jié)構(gòu)中，對應(yīng)分段的起始位置，結(jié)合實(shí)現(xiàn)信號的自適應(yīng)階段的內(nèi)容分析，來實(shí)現(xiàn)和證明分段方法的整體結(jié)構(gòu)。

4.2 非平穩(wěn)的檢測

在實(shí)際的臨床觀察的過程中，由于EEG信號結(jié)構(gòu)中的主要信息和幅度都可以通過不同的頻率進(jìn)行體現(xiàn)，同時(shí)對應(yīng)的差別數(shù)量級別也是不同的，因此在相關(guān)差別量中，對于不同變量的度量，可以通過實(shí)驗(yàn)的過程進(jìn)行合理的發(fā)現(xiàn)，使得變化的相關(guān)頻率更加顯著化。在對應(yīng)幅值的分類的過程中，可充分的結(jié)合采用頻率的相關(guān)性，結(jié)合對應(yīng)幅度的百分比，對于所體現(xiàn)的度量的差別化內(nèi)容進(jìn)行合理化分析，并利用矩形結(jié)構(gòu)，對所產(chǎn)生的相關(guān)數(shù)據(jù)理論等內(nèi)容進(jìn)行合理化應(yīng)用，促進(jìn)和提升整體結(jié)構(gòu)體系的可視化分析。并利用矩形窗將1s的數(shù)據(jù)信息進(jìn)行截止，從而對不同頻率的百分比進(jìn)行合理分析，實(shí)現(xiàn)對數(shù)據(jù)結(jié)構(gòu)及數(shù)據(jù)理論的可視化，則對相應(yīng)函數(shù)的系數(shù)取值為8。

4.3 數(shù)據(jù)的分類

在腦電信號處理的自適應(yīng)階段中，相關(guān)信息基礎(chǔ)的確定上，依據(jù)分段數(shù)據(jù)中的相關(guān)分類存檔化分析，結(jié)合分類和分類穿插的過程，開展對分段中相關(guān)分類數(shù)據(jù)、分類體系和分類內(nèi)容的合理規(guī)劃，結(jié)合分類存檔工作的內(nèi)容和體系要求，實(shí)現(xiàn)數(shù)據(jù)的科學(xué)分類。

5 結(jié)語

綜上所述，本研究所涉及到的分段方法的應(yīng)用相對簡易，可以借助百分比的形式進(jìn)行有效的評估，同時(shí)利用最小差別判決法可給出精確化的數(shù)據(jù)分段與數(shù)據(jù)的準(zhǔn)確化應(yīng)用，實(shí)現(xiàn)對整個(gè)數(shù)據(jù)內(nèi)容的采集、分析與計(jì)算過程的驗(yàn)證。

參考文獻(xiàn)

[1] 李明愛，崔燕，楊金福，郝冬梅.基于HHT和CSSD的多域融合自適應(yīng)腦電特征提取方法[J].電子學(xué)報(bào)，2013，41（12）：2479-2486.

[2] 李明愛，田曉霞，孫炎珺，楊金福.基于改進(jìn)GHSOM的運(yùn)動(dòng)想象腦電信號自適應(yīng)識別方法[J].儀器儀表學(xué)報(bào)，2015，36（05）：1064-1071.

[3] 趙云，于毅，閆岑，司雅靜，張紅星，史麗娟.精神分裂癥患者腦電信號中眼電偽跡自動(dòng)去除方法[J].新鄉(xiāng)醫(yī)學(xué)院學(xué)報(bào)，2016，33（02）：113-115+119.

[4] 尹海娥，曾衍鈞，張建華，潘映輻.基于ANFIS的自適應(yīng)噪聲消除方法在視覺誘發(fā)腦電信號的單次提取中的應(yīng)用[J].中國生物醫(yī)學(xué)工程學(xué)報(bào)，2005（03）：324-329.