基于matlab的腦電信號(hào)處理

1、南京航空航天大學(xué)基于Matlab的腦電信號(hào)處理姓名陸想想專業(yè)領(lǐng)域生物醫(yī)學(xué)工程課程名稱數(shù)字信號(hào)處理二一三年四月摘 要：腦電信號(hào)屬于非平穩(wěn)隨機(jī)信號(hào)，且易受到各種噪聲干擾。本文基于Matlab仿真系統(tǒng)，主要研究了小波變換在腦電信號(hào)處理方面的應(yīng)用，包括小波變換自動(dòng)閾值去噪處理、強(qiáng)制去噪處理，以波為例，提取小波分解得到的各層頻率段的信號(hào)，并做了一定的分析和評(píng)價(jià)。關(guān)鍵詞：腦電信號(hào)；小波變換；去噪重構(gòu)；頻譜分析0 引言腦電信號(hào)EEG(Electroencephalograph)是人體一種基本生理信號(hào)，蘊(yùn)涵著豐富的生理、心理及病理信息，腦電信號(hào)的分析及處理無論是在臨床上對(duì)一些腦疾病的診斷和治療，還是在腦認(rèn)知科

2、學(xué)研究領(lǐng)域都是十分重要的。由于腦電信號(hào)的非平穩(wěn)性且極易受到各種噪聲干擾，特別是工頻干擾。因此消除原始腦電數(shù)據(jù)中的噪聲，更好地獲取反映大腦活動(dòng)和狀態(tài)的有用信息是進(jìn)行腦電分析的一個(gè)重要前提。本文的研究目的是利用腦電采集儀器獲得的腦電信號(hào)，利用Fourier變換、小波變換等方法對(duì)腦電信號(hào)進(jìn)行分析處理，以提取腦電信號(hào)波的“梭形”節(jié)律，并對(duì)腦電信號(hào)進(jìn)行功率譜分析和去噪重構(gòu)。1 實(shí)驗(yàn)原理和方法1.1 實(shí)驗(yàn)原理1.1.1 腦電信號(hào)根據(jù)頻率和振幅的不同，可以將腦電波分為4種基本類型1，即波、波、波、波。4種波形的起源和功能也不相同，如圖1所示。圖1 腦電圖的四種基本波形波的頻率為813Hz，振幅為為20100

3、µV，它是節(jié)律性腦電波中最明顯的波，整個(gè)皮層均可產(chǎn)生波。正常成人在清醒、安靜、閉目時(shí)，波幅呈現(xiàn)有小變大，再由大變小，如此反復(fù)進(jìn)行，形成所謂節(jié)律的“梭形”。每一“梭形”持續(xù)時(shí)間約為12s。當(dāng)被試者睜眼、警覺、思考問題或接受其他刺激時(shí)，波立即消失而代之以快波，這種現(xiàn)象稱之為“波阻斷”。一般認(rèn)為，波是大腦皮質(zhì)處于清醒安靜狀態(tài)時(shí)電活動(dòng)的主要表現(xiàn)。波的頻率是1830Hz，振幅為520µV，是一種快波。波的出現(xiàn)以為著大腦比較興奮。波的頻率是47Hz，振幅為1050µV，它是在困倦時(shí)，神經(jīng)系統(tǒng)處于抑制狀態(tài)時(shí)所記錄的波形。波在睡眠、深度麻醉、缺氧或大腦有器質(zhì)性病變時(shí)出現(xiàn)，頻率是1

4、3.5Hz，振幅為20200µV。1.1.2 小波變換小波變換的概念是由從事石油信號(hào)處理的法國(guó)工程師J.Morlet在1974年首先提出的。與Fourier變換相比，小波變換是時(shí)間（空間）頻率的局部化分析，它通過伸縮平移運(yùn)算，對(duì)信號(hào)逐步進(jìn)行多尺度細(xì)化，最終達(dá)到高頻處時(shí)間細(xì)分，低頻處頻率細(xì)分，能自動(dòng)適應(yīng)時(shí)頻信號(hào)分析的要求，從而可以聚焦到信號(hào)的任意細(xì)節(jié)，解決了Fourier變換的困難問題。在噪聲中如何準(zhǔn)確地檢測(cè)到信號(hào)一直是信號(hào)處理領(lǐng)域所關(guān)心的內(nèi)容。小波變換是一種信號(hào)的時(shí)間一尺度分析方法，由于具有多分辨率分析的特點(diǎn)，良好的時(shí)頻局部化特性，能夠?qū)Ω鞣N時(shí)變信號(hào)進(jìn)行有效的分解，從而較好地將信號(hào)與

5、噪聲加以分離，獲得滿意的去噪效果。小波分析去噪處理的方法一般有三種：默認(rèn)閾值去噪處理。該方法是利用ddencmp函數(shù)生成信號(hào)的默認(rèn)閾值，然后利用wdencmp函數(shù)進(jìn)行去噪處理。給定閾值進(jìn)行去噪處理。在實(shí)際的去噪過程中，閾值往往可以通過經(jīng)驗(yàn)公式獲得，并且這種閾值比默認(rèn)閾值可信度高。在進(jìn)行量化處理時(shí)可利用wthresh函數(shù)。強(qiáng)制去噪處理。該方法是將小波分解結(jié)構(gòu)中的高頻或者低頻系數(shù)設(shè)置為0，即濾掉所有高頻部分或低頻部分。這種方法比較簡(jiǎn)單，且去噪得到的信號(hào)比較平滑，但是容易丟失信號(hào)中的有用成分2。本文采用了兩種去噪方法，并分析比較了他們的去噪效果。1.2 實(shí)驗(yàn)方法與步驟1.2.1 腦電信號(hào)的讀取本文使

6、用的腦電數(shù)據(jù)是使用南航生物醫(yī)學(xué)光子學(xué)實(shí)驗(yàn)室的腦電采集系統(tǒng)采集獲得的，原始數(shù)據(jù)格式為.eeg。為了方便在Matlab環(huán)境下對(duì)數(shù)據(jù)進(jìn)行分析，將文件轉(zhuǎn)換為.txt格式。腦電采集使用的是16通道，采樣頻率為256Hz，文件中存儲(chǔ)的數(shù)據(jù)的形式為數(shù)據(jù)點(diǎn)數(shù)×通道數(shù)。實(shí)驗(yàn)中選取了第14通道的前8000個(gè)數(shù)據(jù)點(diǎn)作為樣本進(jìn)行分析。由于采樣時(shí)間是256Hz，所以這段信號(hào)的持續(xù)時(shí)間大約是32秒。1.2.2 信號(hào)的頻域和功率譜分析為了研究腦電信號(hào)中不同頻率信號(hào)的能量分布以及變化情況，首先對(duì)樣本信號(hào)進(jìn)行Fourier變換，得到頻域圖。然后進(jìn)一步對(duì)信號(hào)做功率譜分析，得到功率譜圖，從功率譜圖中，可以直觀的觀察到不同

7、頻率信號(hào)的能量分布情況。由于腦電數(shù)據(jù)是在被采集者安靜清醒的狀態(tài)下采集得到的，理論上波應(yīng)該占主導(dǎo)地位。1.2.3 信號(hào)的小波變換及重構(gòu)基于小波變換降噪處理的方法通常有3個(gè)步驟：首先是將信號(hào)進(jìn)行n層小波變換，得到小波系數(shù)；然后在小波變換域上利用信號(hào)與噪聲的不同特性，對(duì)小波變換進(jìn)行閾值化處理，把噪聲從信號(hào)中區(qū)分開來(主要是對(duì)高頻系數(shù)進(jìn)行閾值化處理；最后是利用重構(gòu)算法重構(gòu)信號(hào)。小波變換去噪的效果主要取決于對(duì)含噪信號(hào)的噪聲估計(jì)方法以及所采用的小波函數(shù)4。本文使用其中兩種去噪方法。第一種是默認(rèn)閾值去噪，先對(duì)樣本信號(hào)進(jìn)行8層小波分解，使用的小波函數(shù)是db8，然后利用ddencmp函數(shù)生成信號(hào)的默認(rèn)閾值，最后

8、利用wdencmp函數(shù)進(jìn)行去噪處理，得到去噪的信號(hào)。另一種是強(qiáng)制去噪，同樣地，先對(duì)樣本信號(hào)進(jìn)行8層小波分解，采用的小波函數(shù)也是db8。然后提取各層小波系數(shù)，再將腦電信號(hào)頻率以外的幾層小波系數(shù)置零，得到重構(gòu)的各層小波系數(shù)。最后由重構(gòu)的小波系數(shù)得到重構(gòu)的信號(hào)。該信號(hào)中除去了某些頻率的信號(hào)，起到了去噪的效果。2 仿真結(jié)果及分析2.1 原始腦電數(shù)據(jù)的讀取和顯示采集到的腦電信號(hào)文件為data.txt，調(diào)用eeg_load.m文件，即可繪制出腦電樣本信號(hào)圖，如下圖2所示。圖2 腦電樣本信號(hào)圖2.2 腦電信號(hào)頻譜圖及功率譜圖的繪制首先調(diào)用eeg_fft.m文件，原理是對(duì)樣本信號(hào)進(jìn)行傅立葉變換3，即可獲得樣本

9、信號(hào)的頻譜圖，如下圖3所示。圖3 信號(hào)頻譜圖從頻譜圖中可以看出，低頻信號(hào)和11Hz左右的信號(hào)特別強(qiáng)，25Hz以上的信號(hào)幾乎為零。由于波的頻率為813Hz，由此可以知道，該信號(hào)中波比較多。在腦電采集過程中，被采集者沒有處于深度睡眠狀態(tài)，因此接近0Hz的低頻信號(hào)可以確定為噪聲。1525Hz頻段的信號(hào)很微弱，因此可以以判斷出，信號(hào)中幾乎沒有波。譜估計(jì)是數(shù)字信號(hào)處理的主要內(nèi)容之一，主要研究信號(hào)在頻域中的各種特征，目的是根據(jù)有限數(shù)據(jù)在頻域內(nèi)提取被淹沒在噪聲中的有用信號(hào)。調(diào)用eeg_psd,m文件，可以繪制信號(hào)的功率譜圖，如下圖4所示。圖4 信號(hào)功率譜圖原始的功率譜圖是關(guān)于f=128Hz對(duì)稱的，為了便于分

10、析，截取了065Hz的一段。信號(hào)的功率譜顯示，在10Hz作用頻率處能量出現(xiàn)峰值，表明在平靜狀態(tài)下采集的腦電信號(hào)中波能量最大，符合生理學(xué)的研究結(jié)論。2.3 腦電信號(hào)小波分解各層重構(gòu)波形實(shí)驗(yàn)選取db8小波對(duì)前述采集的樣本信號(hào)進(jìn)行分解，調(diào)用wavelet_dec.m文件，分解得到的各層信號(hào)如下圖5所示。圖5 腦電信號(hào)經(jīng)小波分解后的各層分量由于采樣頻率是256Hz，所以對(duì)于自帶的頻率范圍是：相應(yīng)的各子帶的頻率成分如下表所示：子帶信號(hào)頻率范圍主要信號(hào)成分a80Hz1Hz低頻干擾d81Hz2Hz波d72Hz4H波d64Hz8Hz波d58Hz16Hz波d416Hz32Hz波d332Hz64Hz高頻噪聲d26

11、4Hz128Hz高頻噪聲d1128Hz256Hz高頻噪聲表1 小波分解后腦電信號(hào)子帶的頻率范圍一般情況下，a8子帶內(nèi)是低頻干擾，d3、d2、d1子帶內(nèi)是高頻噪聲，d8、d7、d6、d5、d4子帶內(nèi)是腦電信號(hào)，但也可能混有一定的噪聲，需要根據(jù)實(shí)際情況來分析。2.4 腦電信號(hào)節(jié)律提取波是節(jié)律性腦電波中最明顯的波。由以上小波分解得到的各層分量分析可知，波主要集中在d5子帶內(nèi)。所以選取了d5子帶內(nèi)第55008000之間的2500個(gè)數(shù)據(jù)點(diǎn)，將信號(hào)圖繪制出來，如下圖6所示。圖6 提取出來的波節(jié)律從上圖中可以明顯看出波波幅由小到大，再由大到小作規(guī)律性變化，呈棱狀圖形。2.5 小波分解去噪和重構(gòu)波形2.5.1

12、 小波變換默認(rèn)閾值去噪處理調(diào)用noise_reduce.m文件，可以實(shí)現(xiàn)腦電信號(hào)的小波變換默認(rèn)閾值去噪處理，原始數(shù)據(jù)及去噪處理結(jié)果對(duì)比如下圖7所示。圖7 原始信號(hào)與小波默認(rèn)閾值去噪結(jié)果圖的對(duì)比從原始腦電信號(hào)與去噪處理后的效果來看，經(jīng)去噪處理后的信號(hào)高頻信號(hào)有所減少。2.5.2 小波變換強(qiáng)制去噪處理調(diào)用wavelet_rec.m文件，繪制小波變換強(qiáng)制去噪處理之后的信號(hào)如下圖8所示。圖8 原始信號(hào)與小波強(qiáng)制去噪結(jié)果圖的對(duì)比 該圖表示的是除去了低頻干擾和高頻噪聲之后的結(jié)果，從與原始信號(hào)的對(duì)比中可以看出，高頻噪聲很明顯被消除了。但由于考慮到實(shí)際情況，1632Hz子帶內(nèi)極少有波，大部分為噪聲，所以把這個(gè)

13、頻帶內(nèi)的信號(hào)也全部清除了。3 討論基于FFT變換的功率譜估計(jì)適用于平穩(wěn)時(shí)間信號(hào)分析,計(jì)算結(jié)果只能反映信號(hào)段總體的平均功率分布情況, 不包含信號(hào)的任何時(shí)域變化信息, 并且譜估計(jì)的頻率分辨率與所采用的信號(hào)長(zhǎng)度成正比，即受數(shù)據(jù)點(diǎn)數(shù)目的影響?；谛〔ㄗ儞Q的去噪方法，對(duì)非平穩(wěn)信號(hào)去噪，要比傳統(tǒng)的濾波去噪聲得到的效果好，主要是由于傳統(tǒng)的濾波器都具有低通性，對(duì)需要分析在每個(gè)時(shí)刻含有不同頻率成分的非平穩(wěn)信號(hào)來說，是很難對(duì)它進(jìn)行匹配分析。而小波變換具有多分辨率，且在時(shí)頻域都具有局部性，因此很適合用來分析非平穩(wěn)信號(hào)。在用小波分析來進(jìn)行去噪的關(guān)鍵在于閾值的選取，如果閾值選取的太高，會(huì)使信號(hào)失去太多細(xì)節(jié)，使信號(hào)失真，如果閾值選得太低，又不能達(dá)到去噪的目的。4 結(jié)論本文利用實(shí)測(cè)的原始腦電信號(hào), 對(duì)腦電信號(hào)的處理方法與結(jié)果進(jìn)行了一定的分析和評(píng)價(jià), 以期為腦電信號(hào)處理及特征提取提供一定的理論參考和分析依據(jù)。目前人們也嘗試用非線性處理方法、神經(jīng)網(wǎng)絡(luò)的方法、時(shí)頻結(jié)合等等現(xiàn)代的方法來處理腦電信號(hào), 相信這些方法會(huì)為腦認(rèn)知以及醫(yī)學(xué)的發(fā)展作出貢獻(xiàn)5。腦電信號(hào)屬于非平穩(wěn)隨機(jī)信號(hào)，小波分析的方法可以直接對(duì)信號(hào)的某些頻率分量進(jìn)行觀察或者提取出有用的特征信號(hào)，為腦電信號(hào)的測(cè)量與分析提供了非常好的前景。參考文獻(xiàn):1 余學(xué)飛.