脑电信号笔记

脑电的相位特征研究

1、傅里叶变换在时域上没有任何局部分辨能力，不适合脑电分析
2、小波变换具有良好的时域局部化能力，能有效提取非稳信号的特征。

脑电信号预处理方法研究

（源自2006燕山大学本科毕业设计）
目前，常用脑电信号去噪方法有

1 独立分量分析(ICA) 的脑电信号去噪方法
将噪声作为独立信号分离出去得到去噪后的脑电信号

2 主成分分析算法的脑电信号去噪方法
假设脑电信号与眼电信号彼此正交，将原始数据投影到彼此正交的特征空间，实现特征分离，去除眼电伪迹，逆向投影恢复

3 基于自适应滤波的脑电信号去噪方法
只需要很少的或根本不需要任何关于信号与噪声的先验统计知识，实现简单，滤波性能与卡尔曼滤波器相当。
可与小波变换结合

4 基于陷波器的脑电信号去噪方法
可以很好地去除工频干扰外的噪声信号，因此，进行小波去噪后，再结合陷波滤波器去除50Hz的工频干扰。这两种方法结合可以有效去除工频干扰。

5 基于小波变换的脑电信号降噪
不仅继承和发展了窗口傅里叶变换的局部化思想,而且克服了窗口大小不随频率变化, 缺乏离散正交基的缺点。
小波变换在时间和频率上都有很好的局部性，在分析低频信号时，其时间窗很大， 而在分析高频信号， 时间窗很小， 这使得小波变换非常适合于时频分析。小波变换对于信号的高频成分使用逐渐尖锐的时间分辨率以便移近观察信号的快变成分， 对于低频成分使用渐尖锐的频率分辨率以便移近观察信号的慢变成分（整体变化趋势）

目前，小波分析去噪大概可以分为三类

1 对含噪信号做小波变换后，计算相邻尺度间小波系数的相关性，根据相关性的大小区别小波系数的类型， 从而进行取舍， 然后直接重构信号；
2 基于小波变换模极大值原理，最初由Mallat 提出，即根据信号和噪声在小波变换各尺度上的不同传播特性， 剔除由噪声产生的模极大值点， 保留信号所对应的模极大值点， 然后利用余下的模极大值点重构小波系数， 进而恢复信号；
3 Donoh 提出的阈值方法。该方法认为信号对应的
小波系数包含有信号的重要信息， 幅值较大， 但数目较少； 噪声对应的小波系数则是均匀分布的，个数较多，但幅值较小。基于此思想，把绝对值较小的系数置零，而让绝对值较大的系数保留或者收缩(分别对应于硬闽值法和软阈值法)，得到估计小波系数。此方法在Besov 空间上可以得到最佳估计值，所以成为目前应用最为广泛的小波去噪方法之一。

matlab

(1) 多尺度一维离散小波变换
MATLAB 中实现多尺度离散小波变换的函数为wavedec，其调用格式
为：
[C,L]=wavedec( X, N, ’wname’)
[C,L]=wavedec( X, N, Lo_R, Hi_R )
其中，N为尺度，且必须为整数， wname为小波名称， Lo_R和Hi_R 分别为分解的低通和高频滤波器。输出参数C由[cAj,cDj,cDj-1, ⋯,cD1] 组成，L 由[cAj 的长度，cDj 的长度，cDj-1 的长度， ⋯，cD1的长度] 组成。
(2) 提取多尺度小波变换的低频系数
MATLAB 中实现提取多尺度小波变换的低频系数的函数为appcoef, 其
调用格式为
A= appcoef (C, L, ’wna)m e’
A=appcoef (C, L, Lo_R, Hi_R)
A=appcoef (C, L, ’wname’ ,N)
A=appcoef(C, L, Lo_R, Hi_R, N)
式中，wname为所调用的小波函数， Lo_R 和Hi_R 分别为分解低通滤波器和高通滤波器。N 为提取最后一尺度， N=length(L)-2 的唯一低频系数。
(3) 提取多尺度小波变换的高频系数
MATLAB 中实现提取多尺度小波函数的高频系数的函数为detcoef，其
调用格式为
D=detcoef (C, L)
D=detcoef (C, L, N)
(4) 重构
MATLAB 中实现多尺度小波变换重构的函数是waverec, 其调用格式如
下：
X=waverec (C, L, ‘wna)m e’
X=waverec (C, L, Lo_R, Hi_R)
其中， [C,L] 为信号的多尺度小波分解结构， wname为调用的小波函数。Lo_R 与Hi_R 为重构滤波器。
对于小波分解结构进行低频过高频重构的函数是wrcoef, 其调用格式有几种
对于小波系数的直接重构的函数是upcoef
（5）MATLAB 中实现了信号的阈值去噪，主要包括阈值获取和阈值去噪。
实现信号阈值获取的函数有ddencmp和thselect
MATLAB 中实现信号的阈值去噪函数有wden、wdencmp以及wthcoef 。

脑电信号的特点

随机性，信噪比低，微弱，频率低

脑电图的性质
周期，振幅，相位，

脑电图主要波形主要根据其频率的不同来划分，一般来说，频率低的波，
振幅较大，而频率高的波振幅较小。脑电信号按其频率不同可划分为四种基本类型：

α波: 频率分布在8—13Hzv ， 主要包含两个波段，1(8—10Hz) 和α2(10—13Hz)。振幅约为20–100μV，在
枕页及顶叶候补α波最显著。

β波：频率分布在(13—20Hz)，包含两个波段，β1
(13—20Hz), β2(20—30Hz) 。振幅约为5—20μV，主要出现在额叶。

θ波：频率在4—7Hz，振幅约为100—150μV，在困倦时出现，是中枢神经系统抑制的表现。

δ波：频率在0.5—3.5Hz，振幅约为0—200μV，只出现在睡眠， 深度麻醉，缺氧或大脑有器质性病变时出现。

眼动和眨眼所产生的电信号统称为眼电(EOG, Electro-Oculogram)，可分为水平眼电、垂直眼电和径向眼电。一般情况下，眨眼所产生的伪迹持续时间一般不超过200—300ms，频率一般在3—16Hz，幅值为0.5—4mV。