EEG处理方法的研究

对磁刺激诱发EEG特征分析及应用比较感兴趣，虽课题组里有做EEG分析的，但我的基础薄弱，需要多学习–从中文综述开始学起。
1 脑电信号处理方法的研究
大脑为高级神经中枢系统，脑电信号是反映大脑神经元群自发性、节律性的电生理活动信号，包含着重要的生理信息。对脑电信号进行深入的处理分析是提取脑电信息的重要手段，为生物医学、临床病症提供重要依据。文章主要鬼难熬电信的处理方法，对时频分析、高级谱分析、人工神经网络和非线性动力学分析等四种处理方法进行介绍，将国内外对应处理方法的应用结果加以展示，同时总结脑电研究的相关成果并提出脑电研究在当前社会的应用前景。
由脑部神经元活动产生的脑电信号可分为三类：脑电图信号、脑诱发电位信号和神经元细胞内外记录信号（之前听报告时有老师将信号分为：自发电位、诱发电位、事件相关电位，与该文章的分类不同。不知道是二者同属同一内容只是分类方法不同还是不同的概念）。脑电信号的应用已经从集中于医学、神经等生理方向的研究扩展到神经病学、外科学、生物医学、心理学、信号处理、计算机软件与计算机应用技术等领域。关于脑电的研究方式也从单一的波形描述、脑电地形图到多形态分析，不少国内外的科研机构从单独脑电研究的初步探索阶段迈向以脑电信号分析为研究对象的综合研究阶段，提出许多具有价值的方法和技术。
脑电信号分析方法：脑电信号特征提取的主要方法包括共空间模式(CSP)、AR模型、小波变换（WT）、功率谱密度分析（PSD）、混沌法，多维统计等方法。脑电信号具有非平稳、非线性等较为突出的频域（频域即频率域是描述信号在频率方面特性是用到的一种坐标系。横轴是频率，纵轴是该频率信号的幅度，就是常说的频谱图。因为信号不仅随时间变化，还与频率、相位等信息相关，这这就需要进一步分析信号的频率结构，并在频率中对信号进行描述。动态信号从时间域到频率域主要通过傅里叶级数和傅里叶变换实现，周期信号靠傅里叶级数，非周期信号靠傅里叶变换）特征。近年来，波形特征描述、自回归AR模型、傅里叶变换、功率谱密度、双谱分析、小波变换、人工神经网络、非线性动力学分析等脑电分析方法得到了深入研究。其中时频分析、高阶谱分析、人工神经网络和非线性动力学四种方法应用最为广泛。
1 时频分析
较早应用的EEG分析方法是从时域中直接提取出其中有用波形特征的信息，AR模型、方差分析（ANOVA单因素方差分析）、波形参数分析和波辨识、直方图分析、相关分析、峰值检测等都是研究中使用较多的时域分析方法。由于脑电信号在频域比在时域更加简单直观，所以大多数研究是在频域下进行。频谱分析、倒频谱分析、包络分析、阶比谱分析以及全系谱分析等方法时使用较多的频域信号分析处理方法。有研究人员用功率谱中AR谱技术和FFT技术进行正常人的脑电图和癫痫病人痫性分发作脑电图进行比较，说明AR谱性能优于FFT功率谱，为临床诊疗癫痫提供技术上的支持。有报道认为，6阶AR模拟拟合EEG信号，以LVQ神经网络作为分类器，通过比较网络选择不同参数对分类正确率的影响得到及竞争层神经元数目直接影响了正确率。冯春晖发现在不进行主成分分析的基础上支%持向量机与CSSD的组合识别正确率最高达74%。
然而时域和频域分析方法，主要运用与平稳信号分析。对于不平稳、非线性信号的分析，应用时域和频域时，都难以提取出有效的特征信息。时频分析方法，弥补了时域和频域分析方法在非线性信号分析的缺陷，能够准确第提取到非线性信号随时间变化的特征信息。目前，在信号处理的工程领域和众多学科当中，视频分析的技术已被大范围应用，比如语音分析、图像识别、接卸设备故障诊断、生物工程等，在分析脑电信号时，脑电信号特征的多分辨分析、波形辨识、诱发电位特征提取、信号与处理等是视频分析的主要应用领域。时频分析提供频域和时域的联合分布信息，清洗地阐明了信号频率时变性，近年来受到越来越多的重视。