基于matlab的腦電信號處理

1、南京航空航天大學基于Matlab的腦電信號處理姓名陸想想專業(yè)領(lǐng)域生物醫(yī)學工程課程名稱數(shù)字信號處理二一三年四月摘 要：腦電信號屬于非平穩(wěn)隨機信號，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處理方面的應(yīng)用，包括小波變換自動閾值去噪處理、強制去噪處理，以波為例，提取小波分解得到的各層頻率段的信號，并做了一定的分析和評價。關(guān)鍵詞：腦電信號；小波變換；去噪重構(gòu)；頻譜分析0 引言腦電信號EEG(Electroencephalograph)是人體一種基本生理信號，蘊涵著豐富的生理、心理及病理信息，腦電信號的分析及處理無論是在臨床上對一些腦疾病的診斷和治療，還是在腦認知科

2、學研究領(lǐng)域都是十分重要的。由于腦電信號的非平穩(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和狀態(tài)的有用信息是進行腦電分析的一個重要前提。本文的研究目的是利用腦電采集儀器獲得的腦電信號，利用Fourier變換、小波變換等方法對腦電信號進行分析處理，以提取腦電信號波的“梭形”節(jié)律，并對腦電信號進行功率譜分析和去噪重構(gòu)。1 實驗原理和方法1.1 實驗原理1.1.1 腦電信號根據(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，整個皮層均可產(chǎn)生波。正常成人在清醒、安靜、閉目時，波幅呈現(xiàn)有小變大，再由大變小，如此反復(fù)進行，形成所謂節(jié)律的“梭形”。每一“梭形”持續(xù)時間約為12s。當被試者睜眼、警覺、思考問題或接受其他刺激時，波立即消失而代之以快波，這種現(xiàn)象稱之為“波阻斷”。一般認為，波是大腦皮質(zhì)處于清醒安靜狀態(tài)時電活動的主要表現(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，神經(jīng)系統(tǒng)處于抑制狀態(tài)時所記錄的波形。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處理的法國工程師J.Morlet在1974年首先提出的。與Fourier變換相比，小波變換是時間（空間）頻率的局部化分析，它通過伸縮平移運算，對信號逐步進行多尺度細化，最終達到高頻處時間細分，低頻處頻率細分，能自動適應(yīng)時頻信號分析的要求，從而可以聚焦到信號的任意細節(jié)，解決了Fourier變換的困難問題。在噪聲中如何準確地檢測到信號一直是信號處理領(lǐng)域所關(guān)心的內(nèi)容。小波變換是一種信號的時間一尺度分析方法，由于具有多分辨率分析的特點，良好的時頻局部化特性，能夠?qū)Ω鞣N時變信號進行有效的分解，從而較好地將信號與

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：默認閾值去噪處理。該方法是利用ddencmp函數(shù)生成信號的默認閾值，然后利用wdencmp函數(shù)進行去噪處理。給定閾值進行去噪處理。在實際的去噪過程中，閾值往往可以通過經(jīng)驗公式獲得，并且這種閾值比默認閾值可信度高。在進行量化處理時可利用wthresh函數(shù)。強制去噪處理。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。這種方法比較簡單，且去噪得到的信號比較平滑，但是容易丟失信號中的有用成分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 實驗方法與步驟1.2.1 腦電信號的讀取本文使

6、用的腦電數(shù)據(jù)是使用南航生物醫(yī)學光子學實驗室的腦電采集系統(tǒng)采集獲得的，原始數(shù)據(jù)格式為.eeg。為了方便在Matlab環(huán)境下對數(shù)據(jù)進行分析，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，文件中存儲的數(shù)據(jù)的形式為數(shù)據(jù)點數(shù)×通道數(shù)。實驗中選取了第14通道的前8000個數(shù)據(jù)點作為樣本進行分析。由于采樣時間是256Hz，所以這段信號的持續(xù)時間大約是32秒。1.2.2 信號的頻域和功率譜分析為了研究腦電信號中不同頻率信號的能量分布以及變化情況，首先對樣本信號進行Fourier變換，得到頻域圖。然后進一步對信號做功率譜分析，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)該占主導地位。1.2.3 信號的小波變換及重構(gòu)基于小波變換降噪處理的方法通常有3個步驟：首先是將信號進行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與噪聲的不同特性，對小波變換進行閾值化處理，把噪聲從信號中區(qū)分開來(主要是對高頻系數(shù)進行閾值化處理；最后是利用重構(gòu)算法重構(gòu)信號。小波變換去噪的效果主要取決于對含噪信號的噪聲估計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。第一種是默認閾值去噪，先對樣本信號進行8層小波分解，使用的小波函數(shù)是db8，然后利用ddencmp函數(shù)生成信號的默認閾值，最后

8、利用wdencmp函數(shù)進行去噪處理，得到去噪的信號。另一種是強制去噪，同樣地，先對樣本信號進行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。該信號中除去了某些頻率的信號，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文件為data.txt，調(diào)用eeg_load.m文件，即可繪制出腦電樣本信號圖，如下圖2所示。圖2 腦電樣本信號圖2.2 腦電信號頻譜圖及功率譜圖的繪制首先調(diào)用eeg_fft.m文件，原理是對樣本信號進行傅立葉變換3，即可獲得樣本

9、信號的頻譜圖，如下圖3所示。圖3 信號頻譜圖從頻譜圖中可以看出，低頻信號和11Hz左右的信號特別強，25Hz以上的信號幾乎為零。由于波的頻率為813Hz，由此可以知道，該信號中波比較多。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的低頻信號可以確定為噪聲。1525Hz頻段的信號很微弱，因此可以以判斷出，信號中幾乎沒有波。譜估計是數(shù)字信號處理的主要內(nèi)容之一，主要研究信號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。調(diào)用eeg_psd,m文件，可以繪制信號的功率譜圖，如下圖4所示。圖4 信號功率譜圖原始的功率譜圖是關(guān)于f=128Hz對稱的，為了便于分

10、析，截取了065Hz的一段。信號的功率譜顯示，在10Hz作用頻率處能量出現(xiàn)峰值，表明在平靜狀態(tài)下采集的腦電信號中波能量最大，符合生理學的研究結(jié)論。2.3 腦電信號小波分解各層重構(gòu)波形實驗選取db8小波對前述采集的樣本信號進行分解，調(diào)用wavelet_dec.m文件，分解得到的各層信號如下圖5所示。圖5 腦電信號經(jīng)小波分解后的各層分量由于采樣頻率是256Hz，所以對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：子帶信號頻率范圍主要信號成分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，但也可能混有一定的噪聲，需要根據(jù)實際情況來分析。2.4 腦電信號節(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個數(shù)據(jù)點，將信號圖繪制出來，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、 小波變換默認閾值去噪處理調(diào)用noise_reduce.m文件，可以實現(xiàn)腦電信號的小波變換默認閾值去噪處理，原始數(shù)據(jù)及去噪處理結(jié)果對比如下圖7所示。圖7 原始信號與小波默認閾值去噪結(jié)果圖的對比從原始腦電信號與去噪處理后的效果來看，經(jīng)去噪處理后的信號高頻信號有所減少。2.5.2 小波變換強制去噪處理調(diào)用wavelet_rec.m文件，繪制小波變換強制去噪處理之后的信號如下圖8所示。圖8 原始信號與小波強制去噪結(jié)果圖的對比 該圖表示的是除去了低頻干擾和高頻噪聲之后的結(jié)果，從與原始信號的對比中可以看出，高頻噪聲很明顯被消除了。但由于考慮到實際情況，1632Hz子帶內(nèi)極少有波，大部分為噪聲，所以把這個

13、頻帶內(nèi)的信號也全部清除了。3 討論基于FFT變換的功率譜估計適用于平穩(wěn)時間信號分析,計算結(jié)果只能反映信號段總體的平均功率分布情況, 不包含信號的任何時域變化信息, 并且譜估計的頻率分辨率與所采用的信號長度成正比，即受數(shù)據(jù)點數(shù)目的影響?；谛〔ㄗ儞Q的去噪方法，對非平穩(wěn)信號去噪，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，對需要分析在每個時刻含有不同頻率成分的非平穩(wěn)信號來說，是很難對它進行匹配分析。而小波變換具有多分辨率，且在時頻域都具有局部性，因此很適合用來分析非平穩(wěn)信號。在用小波分析來進行去噪的關(guān)鍵在于閾值的選取，如果閾值選取的太高，會使信號失去太多細節(jié)，使信號失真，如果閾值選得太低，又不能達到去噪的目的。4 結(jié)論本文利用實測的原始腦電信號, 對腦電信號的處理方法與結(jié)果進行了一定的分析和評價, 以期為腦電信號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、時頻結(jié)合等等現(xiàn)代的方法來處理腦電信號, 相信這些方法會為腦認知以及醫(yī)學的發(fā)展作出貢獻5。腦電信號屬于非平穩(wěn)隨機信號，小波分析的方法可以直接對信號的某些頻率分量進行觀察或者提取出有用的特征信號，為腦電信號的測量與分析提供了非常好的前景。參考文獻:1 余學飛.