分類號： 密級： 研 究 生 學 位 論 文 論文題目（中文） 基于 單導 腦電信號的在線 壓力 監(jiān)測系統(tǒng) 研究與實現(xiàn) 論文題目（外文） 生 姓 名 趙國慶 學科、專業(yè) 計算機軟件與理論 研 究 方 向 情感計算 學 位 級 別 碩 士 導師姓名、職稱 胡斌 教授 論文 工作 起 止 年 月 2012 年 3 月至 2013 年 5 月 論文提交日期 2013 年 4 月 論文答辯日期 2013 年 5 月 學位授予日期 校址：甘肅省蘭州市 天水南路 222 號 原 創(chuàng) 性 聲 明 本人鄭重聲明：本人所呈交的學位論文，是在導師的指導下獨立進行研究所取得的成果。學位論文中凡引用他人已經(jīng)發(fā)表或未發(fā)表的成果、數(shù)據(jù)、觀點等，均已明確注明出處。除文中已經(jīng)注明引用的內(nèi)容外，不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究成果做出重要貢獻的個人和集體，均已在文中以明確方式標明。 本 聲明的法律責任由本人承擔。 論文作者簽名： 日 期： 關于學位論文使用授權的聲明 本人在導師指導下所完成的論文及相關的職務作品，知識產(chǎn)權歸屬蘭州大學。 本人完全了解蘭州大學有關保存、使用學位論文的規(guī)定，同意學校保存或向國家有關部門或機構送交論文的 紙質(zhì)版 和電子版，允許論文被查閱和借閱；本人授權蘭州大學可以將本學位論文的全部或部分內(nèi)容編入有關數(shù)據(jù)庫進行檢索，可以采用任何復制手段保存和匯編本學位論文。 本人離校后發(fā)表、 使用學位論文或與該論文直接相關的學術論文或成果時，第一署名單位仍然為蘭州大學。 本學位論文研究內(nèi)容： 可以公開 不易公開，已在學位辦公室辦理保密申請，解密后適用本授權書。 （請在以上選項內(nèi)選擇其中一項打“ ”） 論文作者簽名： 導師簽名： 日 期： 日 期： I 基于 單導 腦電 信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 中文摘要 社會經(jīng) 濟的飛速發(fā)展使得人們面臨的工作、生活和性格中 的 壓力劇增。如何在進一步發(fā)展為精神紊亂病癥之前，發(fā)現(xiàn)壓力并及時采取措施是十分必要的。例如，壓力的監(jiān)測在檢測和干預抑郁癥過程中起到了關鍵的作用。 傳統(tǒng)的壓力監(jiān)測手段是通過各種用戶自評量表，但 它 的突出問題是難以避免的主觀性。 同時，缺乏一套可應用于日常生活中的壓力監(jiān)測系統(tǒng) 。 為了能夠 在日常應用中 準確 客觀的 對壓力進行監(jiān)測 ， 本文 開發(fā)了一套在線壓力監(jiān)測系統(tǒng) 。 本系統(tǒng) 通過 采集 電信號 ， 能夠 對用戶的壓力狀態(tài)進行客觀的評價并進行長期在線監(jiān)測，同時 可 輔助醫(yī)師對用戶狀態(tài)進 行 評估 。 系統(tǒng)采用 c/s 框架，基于 議，客戶端分為用戶界面和醫(yī)師界面 ，用戶界面包括信號采集 、量表填寫、歷史記錄查看、醫(yī)師交互模塊。醫(yī)師界面包括查看用戶歷史記錄和與用戶交互模塊。 服務器端主要負責對用戶 數(shù)據(jù) 進行有效管理， 以及腦電信號的處理 。 本文 通過 實驗， 選擇出 系統(tǒng)中使用的 有效的 腦電特征和算法 。 首先 采集被試腦電信號，進行去噪、特征提取和分類， 篩選出三個對壓力分類有效地腦電信號特征（分別是 雜度， 對功率， 對功率 /對功率） ，并通過 結果 對比最終確定 的分 類算法 。 為了直觀的顯示壓力水平， 引入了壓力指數(shù) 這一概念 。 關鍵 詞 ： 腦電 ， 壓力 ， 抑郁風險， 在線監(jiān)測 n he of to to of a in of of he of is a of is of we an be in In to in we a By EG pz of at to is of as EG of EG in an of to By as in we 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 目 錄 中文摘要 . I . 一章 緒論 . 1 精神健康 . 1 壓力與健康 . 1 統(tǒng)壓力監(jiān)測手段 . 2 腦電信號與壓力監(jiān)測 . 2 電介紹 . 2 電與壓力相關研究 . 5 于腦電的在線壓力監(jiān)測系統(tǒng) . 6 主要工作 . 7 論文 結構 . 7 第二章 腦電在壓力監(jiān)測中的處理流程與方法 . 8 噪方法 . 8 電信號的特征提取 . 9 波段功率、中心頻率及功率比 . 9 . 9 Z 復雜度 . 10 0 復雜度 . 11 大 . 12 類過程 . 13 最近鄰分類算法 (. 13 素貝葉斯分類器 . 14 蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 第三章 壓力監(jiān)測系統(tǒng)設計 . 15 統(tǒng)功能目標 . 15 電采集方案 . 16 統(tǒng)結構設計 . 17 統(tǒng)體系結構設計 . 17 統(tǒng)邏輯結構設計 . 20 統(tǒng)框架 . 21 戶端 . 22 務器端 . 22 生端 . 23 據(jù)庫設計 . 23 第四章 壓力監(jiān)測系統(tǒng)特征及算法選擇過程 . 28 類結果及分析 . 28 力特征及分類算法選擇 . 32 力指數(shù)的計算 . 32 第五章 壓力監(jiān)測系統(tǒng)實現(xiàn) . 33 統(tǒng)開發(fā)平臺及相關技術 . 33 件及驅(qū)動模塊 . 33 務器端實現(xiàn) . 33 據(jù)庫操作模塊 . 35 戶注冊登陸模塊 . 35 號文件上傳與處 理 . 36 戶端實現(xiàn) . 37 統(tǒng)可擴展性 . 41 第六章 總結與展望 . 42 參考文獻 . 43 蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 在學期間的研究成果 . 46 致 謝 . 47 蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 1 第一章 緒論 精神健康 健康不止包括身體健康，也包括精神健康 ， 已經(jīng)得到 廣泛的認同 。 然而 隨著生活節(jié)奏的加快，人們不得不承受更大的壓力， 精神疾病已經(jīng)成為導致亞健康和生活障礙的主要因素之一 。尤其是 以 抑郁癥為代表的精神疾病，已經(jīng)在全球范圍內(nèi)占有高達 11%的發(fā)病率，這意味著全球已經(jīng)有高達 1。 中國各類精神疾病的總患病率在全國已上升到 17 5 2，在疾病負擔的排名 中，已經(jīng)超越心腦血管、呼吸系統(tǒng)及惡性腫瘤等，在總負擔中 排名首位 ，其中抑郁癥患者超過了 2600萬 。 比較嚴峻的問題是， 抑郁癥患者中有 65% 80%的病人會出現(xiàn)自殺意念，45% 55%的病人會出現(xiàn)自殺行為，嚴重抑郁癥患者中有 15%自殺身亡，每年自殺死亡人數(shù)估計高達 100萬人 3。在中國，抑郁癥患者的自殺率為 10 可見精神疾病已成為一個全球的社會和公共衛(wèi)生問題 ，每年各種精神疾病的費用極高，美國總的健康費用中 4%用于治療抑郁障礙， 高達 430億美元 3。 我國用于神經(jīng)精神疾病方面的費用約占我國疾病總負擔的 1/5，排名居首位。衛(wèi)生部預測，到 2020年，這一比例 將上升到 1/44。 雖然精神疾病的患病率如此之高，但就診率卻僅有 9 2，特別是在一些二線、三線城市以及偏遠地區(qū)，仍有大量精神疾病患者沒有得到及時、有效和持續(xù)的治療 5。 世界范圍內(nèi)，精神障礙 很大程度上 加重了疾病的負擔。 精神健康障礙已成為嚴重而又耗資巨大的全球性衛(wèi)生問題。我國已將加強重性精神疾病防治、建立心理衛(wèi)生服務制度納入加強和創(chuàng)新社會管理工作的重要內(nèi)容。 因此，關注精神健康刻不容緩。 壓力與 健康 壓力 通常是指 精神壓力， 隨著生活節(jié)奏的日益加快和 社會競爭的日益加劇，人們需要承受的生理和心理 方面的壓力越來越大 。 長期 壓力過大 可能 導致很多種疾病， 例如 ： 一、 壓力大損害皮膚 ，長期的壓力可能會導致皮膚失去水分，出現(xiàn)皺紋等，對女性來說尤為明顯。 蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 2 二 、壓力 過大 引發(fā)精神疾?。?最主要的表現(xiàn)是抑郁 ，主要癥狀包括精神低落、興趣喪失、睡眠紊亂，嚴重的產(chǎn)生自殺年頭 。 三 、 長期 的精神壓力 可能 會引發(fā) 身體 疾病，如高血壓、冠心病、 糖尿病、 消化道疾病等 ，此外，極端和長期的壓力使得血液中的血小板降低，從而造成免疫系統(tǒng)紊亂，最終危害身體健康 。 四、壓力大會損傷大腦。 壓力會導致精神緊張，甚至失眠，長此以往 ， 可能會出現(xiàn) 頭痛、記憶力 衰退 等不良反應。 生活中，人們 會感受到來自工作、學習、生活等各方面的 巨大壓力。 如果這些壓力長期得不到緩解可能會導致上述幾種疾病， 對 人的身心健康造成極大 危害。 生活中需要盡早發(fā)現(xiàn)壓力，并盡早得到釋放，以避免壓力進一步影響人的身心健康。 統(tǒng)壓力監(jiān)測手段 目前主要通過量表手段來診斷壓力。作為一種測量工具，量表 被設計成一系列問題和說明 ， 試圖確定主觀的，對抽象的概念 定量化測量的程序，對事物的特性變量 根據(jù) 不同的規(guī)則分配數(shù)字， 從而形成不同測量水平的 量表，又稱 之 為測量尺度。常見的壓力診斷量表有 慮 自評量表、心理健康臨床癥狀自評測驗 (。 作為一種研究工具，量表需要信度和效度作為保證。信度（ 可靠性，它是指 使用 同樣的方法對同一對象 多次 重復測量時所得 到 結果的一致性 的 程度。效度（ 指有效性， 是指測量工具或手段 對所以測量事物能夠進行準確測量的程度 。 正因為量表需要信度和效度作為保證，對象在填寫過程中可能遇到的問題有 ： 1、對問題理解不夠清晰； 2、胡亂填寫； 3、太過主觀。 這些都是需要避免的。 腦電 信號 與壓力監(jiān)測 電 介紹 腦電圖（ 于 1929 年 被德國精神病學家 是通過醫(yī)學儀器腦電圖描記儀將人 腦 細胞群自發(fā)的、節(jié)律性的點活動 放大并 記錄而得到的曲線圖。 圖 1 蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 3 圖 1腦電信號示例 根據(jù) 不同 頻率，腦電圖通常被劃分為四個波段： 0 8 13 當人進入深度睡眠階段，會產(chǎn)生此波段的腦電波 。 當人開始睡意朦朧詩，即進入睡眠 的初期階段是，會產(chǎn)生 心神專注的時候 ，或者 處于完全 非常 的精神狀態(tài) 下 的時候 產(chǎn)生 的腦電波。在 完全放松 狀態(tài)時， 人類 的大腦 能 夠更加快捷有效 地吸收 處理信息。 通常，當我們 作某種沉思或傾聽令人放松的音樂 時，會處于此狀態(tài) 。 對于此波段有一個奇妙的應用，即 “快速學習” 的 技巧，就是 在 許多巴洛克音樂作品下 的速度 ，因為這種作品 每分鐘 60與大腦處于 完全范松 狀態(tài)下“波長”是相似的。 人 在通常的、日常清醒狀態(tài)下 腦電波情況 的反映 。 是一般 正常狀態(tài)下大腦 搏動 的 狀況 。 在這種 自然 狀態(tài)下， 人 的邏輯思維會加強，也 會出現(xiàn)分析以及意識活動。 當 注意力集中 、 人體 頭腦警覺 、行動 高 效 時， 時會 占據(jù) 腦電波主要成分 。 同時當人體 出現(xiàn) 一些比較大的情緒波動如 煩惱、氣憤、恐懼、緊張以及興奮狀態(tài) 或焦慮不安 ，也會誘發(fā) 根據(jù)檢測手段不同，腦電的監(jiān)測可分為頭皮監(jiān)測，植入式監(jiān)測。 目前頭皮 規(guī)腦電圖 、 視頻腦電圖 和動態(tài)腦電圖 三種類型。 目前常用的電極位點的劃分參照國際 10腦電研究中，它是 一個國際通用的，描述在大腦頭皮上安裝貼片位置的標準 。 由于各個電極間的間距均以 10%和 20%來衡量，故得名 10電極位點的命名規(guī)則為：首字母為電極所在分區(qū)的第一個字母，而電極名稱中的接近中線的以較小數(shù)字來表示，接近外蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 4 側的以較大數(shù)字表示，另外，為左側為奇數(shù)，位于右側為偶數(shù)。 圖 110統(tǒng) 目前，腦電的應用主要有以下領域。 腦機接口。大腦 - 計算機接口 ( , 簡稱腦機接口 ,它是 一種不依賴于 大 腦的正常輸出通路 ( 如 外周神經(jīng) 、口腔 和肌肉 ) 的腦 - 機 ( 計算機或其他裝置 ) 通訊系統(tǒng) 。 腦機接口的出現(xiàn) , 使得用人腦信號直接控制外部設備的想法成為可能 ， 例如在 6中，作者后利用腦機接口實現(xiàn)了對假肢的控制。 睡眠分析。在睡眠 的不同 過程中， 人的 腦電圖 會 發(fā)生 不同變化，這些變化隨著睡眠 深度 的不同 而不同。根據(jù) 觀測到 腦電圖特征 的不同 ，又 可以 將睡眠分為兩種狀態(tài)： 非快動眼 睡眠 期 和 快動眼 睡眠 期 ，二者 是以 眼球 是否發(fā)生陣發(fā)性快速運動和不同的腦電 特征相區(qū)別 ,在 7中，作者提出了一個基于腦電信號的遠程睡眠質(zhì)量分析系統(tǒng) 。 情感學習。 人在學習的過程中情感會發(fā)生變化，這又會進一步影響學習的效率。 情感學習旨在處理 人在學習過程中 情感的變化 ，并通過分析與處理生物信號(包括腦電信號 )， 結合學習過程中的上下文關系，以期建立學習中的情感與生物電新后的關系 ， 方便 監(jiān)測學習者的興趣 及注意力 等情感特征，最終為網(wǎng)絡學習、智能推薦或 遠程教育等提供輔助。 身份識別。腦電信號在身份識別中有它獨特的優(yōu)點， 第一 ，每個個體都會產(chǎn)生腦電信號； 第二 ，腦電圖是獨立存在的，它不能被偽造或模仿；第三，現(xiàn)有測量手段可以很方便地采用非侵入式在 頭皮采集腦電信號。在一個關于身份識別的研究中 8，呈現(xiàn) 的系統(tǒng) 準確率能夠達到 進一步驗證了腦電進行身份識別蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 5 的可行性。 癲癇診斷與治療 。腦電圖是癲癇診斷和治療中最重要的一項檢查工具，盡管高分辨率的解剖和功能影像學在不斷的發(fā)展，但 是 在癲癇的診治中 知發(fā)作間期癲癇樣放電（ 診斷癲癇的重要依據(jù)。 壓力與情緒判斷。關于情感的 神經(jīng)電生理 的一個主要研究方面是左右半腦的分工，人的左半腦更多的參與處理積極的情緒或活動，而右半腦更多的參與處理消極和負面的情緒和活動 9,10。 常用的腦電分析方法包括： 1、現(xiàn)代譜分析技術：參數(shù)模型估計及譜 參量分析，（如 數(shù)模型譜估計、自適應卡爾曼濾波），雙譜分析，維格納分布，小波 包 變換。 功率譜分析是 號處理最常用工具 , 源于傅氏變換 , 它的前提是平穩(wěn)隨機信號 , 對非平衡隨機信號而言 , 不同時刻的譜分析結果是不同的。目前常用的方法之一是以短時間斷數(shù)據(jù)的傅氏變換為基礎的周期法 , 具體做法是把實際淮信號在時域上分段 , 并看作是準平穩(wěn)的 , 每段取傅氏變換后的幅頻特性平方再乘以適當?shù)拇昂瘮?shù) , 作為該信號的功率譜估計 , 但 這種方 法頻率分辨率 較 差 , 因而 存在邊瓣泄漏 , 譜估計方差大等問題 11。 2、非 線性動力學應用：時間序列的表達，計算，計算腦電的復雜度， 數(shù)的計算。 目前對 號研究集中在時域和頻域內(nèi) , 腦電信號的特征與大腦皮質(zhì)的活動有很大關系 , 腦神經(jīng)細胞群電生理活動在腦皮層或頭皮表面的總體反映 , 對外界環(huán)境有敏感的初始條件依賴性。非線性動力學研究 中的顯著 特點 , 就是由于變量的非線性耦合 , 可以 基于 少 量 實驗的單一時間序列 來 構建動力學數(shù)學模型 ,以提取信息 , 即我們 能夠 從一維 時間序列 中 提取 大腦的多維動力系統(tǒng) 信息 12,13。 電與壓力相關研究 已經(jīng)有很多關于腦電與壓力檢測的研究， 4, 5, 6, 7, 8等人在他們的研究中側重于人處于由于 考試，噪音和心理任務 等產(chǎn)生的壓力狀況下的大腦活動。關于情感的 神經(jīng)電生理 的一個主要研究方面是左右半腦的分工，人的左半腦更多的參與處理積極的情緒或活動，而右半腦更多的參與處理消極和負面的情緒和活動 19,20，這種差異的典型表現(xiàn)就是額葉皮層在情緒處理中起著關鍵作用，這在研究前額葉腦電波的 極的情 緒或反應會產(chǎn)生 相對較大的左前額葉的活動（ 而消極的情緒或反應會產(chǎn)生 相對較大的右側前額葉活動（ 21。 蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 6 相關的腦成像研究也證明，通常負面的情緒會引發(fā) 前額葉皮層，杏仁核和絕緣層 的活動，而 左前額皮層中激活與正面情緒 相關 22。 右側前額葉皮層 可能主要參與壓力的應激反應，因為它是 情感和警惕網(wǎng)絡 基礎組成部分。 一些研究表明，高 強度 的右側前額葉 活動 與 負面情緒有關并且會 削弱免疫系統(tǒng) ， 例如， 前額葉活動 不對稱性 的差異 體現(xiàn)了個體處于不同的情感狀態(tài)19,20。值得注意的是， 前額葉 皮層可能 會起到調(diào)節(jié) 社會心理壓力 對人體 身心健康的影響程度 23,24。 左和右皮質(zhì)半球 的活動對 影響也是有差異的，另外，這種不對稱的程度 已被證實會在 慢性 壓力 條件 發(fā)生改變 25。通過對焦慮患者的觀察，發(fā)現(xiàn) 額極區(qū)域右半球的電活動 更為活躍 26。 許多研究者提出，壓力與抑郁癥的發(fā)生是有關的。在 27中， 力和抑郁癥之間的 強 關聯(lián) 。根據(jù) 急性壓力相比，慢性壓力更能夠預測抑郁癥的發(fā)生 28。 也有許多研究利用腦電來研究精神疾病。 部和后部 腦電的不對稱模式 對 焦慮和抑郁癥狀 預測 29，結果表明，相對右額葉腦電活動可以預測未來發(fā)展的焦慮癥狀。 郁癥組比對照組有較高的 0。 于腦電的在線壓力監(jiān)測系統(tǒng) 近年來，隨著計算機網(wǎng)絡，無線網(wǎng)絡的覆蓋以及傳感器軟硬件技術的發(fā)展 ，產(chǎn)生了越來越多各種各樣的遠程醫(yī)療 系統(tǒng)。 遠程醫(yī)療 系統(tǒng)通常是指通過傳感器采集人體生理和物理上下文，連同環(huán)境上下文一起被具體應用邏輯處理，實現(xiàn)對人體的健康狀況進行實時監(jiān)控 并進行診治 。 最早的 遠程醫(yī)療 系統(tǒng)主要是采取電視健康的手段。 60年代初到 80年代中期 遠程醫(yī)療 系統(tǒng)經(jīng)歷了緩慢的發(fā)展。 目前比較典型的應用有老人防摔倒系統(tǒng)，兒童防走失系統(tǒng)等。 一個完整的健康監(jiān)測系統(tǒng)通常由傳感器，客戶端（如電腦，手機等）以及服務器端構成 ，傳感器采集用戶的生物電信號，客戶端接收生物信號并做簡單處理，發(fā)送至服務器做推理，推理完成后將結果反饋給客戶端。必要時需要引入醫(yī)生角色或者與醫(yī)院的醫(yī)療系統(tǒng)互聯(lián)。 許多研究中提出了 結合生物電信號的壓力監(jiān)測 系統(tǒng) 。例如， 23； 現(xiàn)了基于腦電 的壓力監(jiān)測系統(tǒng) 31； 有研究 建立了一個基于腦電的貝葉斯網(wǎng)絡模型，檢測司機在駕駛過程中的壓力狀況 32，以保障駕駛安全； 也有 通過檢測心電節(jié)律 來監(jiān)測壓力水平的研究 33， 它能夠 監(jiān)測工作中用戶的壓力水平，并將壓力結果發(fā)送給協(xié)調(diào)工作的機器人，以便機器人適當做出反應。除了這些生理信號外，可用于壓蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 7 力水平監(jiān)測的還有體溫，血壓，語音，皮質(zhì)醇水平和活動水平等。 主要工作 針對上文中提到的心理壓力的嚴峻形勢和傳統(tǒng)壓力診斷手段的不足，本文通過對 壓力組和對照組被試的腦電信號進行 處理 ，篩選出三個對壓力分類有效地腦電信 號特征（分別是 并從 于這些理論依據(jù)，設計并開發(fā)了基于 腦電 信號的在線壓力檢測系統(tǒng)。 “ 壓力 監(jiān)測系統(tǒng)”結合 腦電 信號，引入計算機處理手段，對用戶壓力狀態(tài)進行客觀科學的評價，提供了一套方便可行的精神健康監(jiān)測平臺。 與相關系統(tǒng)相比，本系統(tǒng)具有如下 優(yōu)點 ： 1）在線的壓力監(jiān)測。 2）引入 腦 信號進行客觀的評價。通過對 腦電 信號的去噪、特征提取和數(shù)據(jù)挖掘，得到用戶的壓力水平； 3） 具有一定普適性 。 結 合實驗室 自主開發(fā) 的 非侵入式的生物電信號采集設備 ，只需前額一個電極，便可對壓力實現(xiàn)在線監(jiān)測 ； 4） 友善的用戶交互界面 。 通過處理算法，將腦電信號直接映射為直觀的用戶可識別的壓力指數(shù) ，以圖形的形式展現(xiàn)給用戶 。 5）引入醫(yī)師角色。方便處于抑郁風險初期階段的用戶及時與醫(yī)師溝通，緩解壓力水平。 論文結構 本文第一章為緒論部分， 對目前所面臨的 精神 健康問題 進行了闡述，對 研究并監(jiān)測壓力水平所需要的依托進行了說明 ， 介紹了腦電信號與壓力監(jiān)測，并對基于腦電信號進行壓力監(jiān)測的相關研究和相應的監(jiān)測系統(tǒng)做了介紹， 最后闡述了本研 究的主要工作。 第二章介紹了 基于腦電的壓力識別技術路線 及各特征提取及分類算法 。第三章是實驗設計和結果分析， 為了準確有效地監(jiān)測壓力水平，需要相關的 理論依據(jù)。 第四章介紹 了 本文中基于 腦 電信號的在線壓力監(jiān)測系統(tǒng)的總體設計，從宏觀角度描述了該系統(tǒng)的主要模塊。 第五章詳細介紹了本系統(tǒng)的編程和算法實現(xiàn)，并做了系統(tǒng)展示。 第 六 章是對本系統(tǒng)的討論和對未來研究的展望。 蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 8 第 二 章 腦電在 壓力監(jiān)測 中的 處理 流程 與 方法 為了保證系統(tǒng)有效地工作 ，需要確立對壓力分類有效的腦電特征和分類算法，并建立腦電特征數(shù)據(jù)庫以作為訓練數(shù)據(jù)庫。 在本文壓力監(jiān)測系 統(tǒng)中的 腦電信號的 處理流程如圖 2 腦 電 采 集 腦 電 預 處 理 特 征 提 取被 試 人 群壓 力 特 征數(shù) 據(jù) 庫用 戶 腦 電 采 集 腦 電 預 處 理 特 征 提 取 分 類 器 壓 力 水 平圖 2據(jù)處理流程 可以看出在本系統(tǒng)中有兩條數(shù)據(jù)處理流程，分別是數(shù)據(jù)庫的建立和實時識別。 在數(shù)據(jù)庫建立階段，可以分四步實現(xiàn)： 1、 通過腦電采集設備收集被試的原始腦電信號 。 2、 腦電特征與處理，主要是去除眼電噪聲和工頻噪聲 。 3、 特征提取 ，腦電波對壓力的檢測還處于研究階段，因此本實驗首先提取出目前被廣泛應用的腦電特征，主要包括線性特征和非線性特征兩大類。 4、 壓力特征數(shù)據(jù)庫的建立，為了在實際中 使用壓力監(jiān)測系統(tǒng)，需要選擇有效地分類器，并通過分類器篩選出有效地腦電特征。因此本階段可以稱為分類階段，是整個系統(tǒng)能夠?qū)崿F(xiàn)的核心理論階段。 在實時使用階段，數(shù)據(jù)流程也可以分為四步，前兩步與數(shù)據(jù)庫建立階段一致，第三步只需提取出特定的有效腦電特征，第四部使用確定的分類算法，得出用戶的壓力水平。 噪方法 人在 文章 34中提出了一種結合小波包變化及獨立變量分析的改進去噪算法，該算法有效地解決了基于小波包變換時眼電干擾與 本文中我們采用此算法進行去噪。 首先，應用小波變換 對原始腦電信號進行分解，使之分解成代表不同頻域的小波包系數(shù)，用與眼電干擾高度關聯(lián)的 節(jié)點系數(shù)重建腦電參考信號。 其次，應用獨立成分分析，將原始腦電信號和眼電參考信號作為輸入，從原蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 9 始腦電信號中去除眼電干擾。 電信號的特征提取 本文中，我們提取了文獻中經(jīng)常 用 到的 腦電特征 ，用以進一步篩選 ，主要包括線性特征和非線性特征兩大類。線性特征 包括 中心頻率、 絕對、相對和最大功率 )以及各波段功率比；非線性特征 包括 大 波段功率、中心頻率及功率比 段的功率分別由快速傅里葉變換得出 。 各波段的相對功率為各波段的功率與所有波段的 總 功率 之 比 ， 因此相對功率 值 處于 0,1之間 。 中心頻率是 指 由快速傅里葉變換得出最大功率 時所處 的頻率。 功率比包括 比， 比， 比 。 由 961年提出 35。 能夠 用于 分析非平穩(wěn)過程 中 的時間序列。 其 數(shù)值越小， 表明組成 該 序列的成分越 簡單 ，其數(shù)值越大，表明此信號越復雜。 它的 計算 過程 如下： 式 (2表概率分布為 當 1時有： Ni lo g (* 一般 時間序列 的 歸一化分布維數(shù) 定義為： lo 10 蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 10 )/1lo g (lo 01 lo m a Z 復雜度 , 兩人于 1976 年在 36中提出的，能夠反映數(shù)據(jù)序列隨其長度的增加出現(xiàn)新模式的速率，它廣泛應用于非線性科學的研究中36給定一個待求字符串 ),.,S,(另一個字符串 ),.,( 21 定義 S 和 Q 的級聯(lián)，即 ),.,.,( 2121 nn 。定義 掉最后一個字符時得到的字符 串。判斷 一個子串，若 說明 中復制的，這時把待求序列的下一個字符級聯(lián)到 Q 不是 示 時把 之后， S=造新的 Q，重復上述過程直到 序結束。每次 時，表示出現(xiàn)一種新的模式，用 如對于 S=(10101010)，應用上面的方法可以得到 c(8)=3 個新模式： 1， 0 ， 101010。 它的計算機實現(xiàn)流程如下： 圖 4雜度的計 算機實現(xiàn)流程 蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 11 0 復雜度 雜度 作為 隨機性的一種表 達， 是徐京華等 42在腦電信號的實際分 析中提出的。 它 的主要思想是 將 復雜 的 時間序列分解 為規(guī)則和隨機兩 部分 ， 計算 隨機部分的平方與 整體 序列平方之比 。計算過程如下： 給定 長度為 的時間序列 1, . . ,0),( ，則 1,.,2,1,0,)(1)( 102 為 相應 的 傅立葉變換序列 ， 1i 是虛數(shù)單位。記 2 ，于是 )(以 寫為： 1,.,2,1,0,)(1)( 10 設 1, . . . ,2,1,0),( 均方值為： 112)(1 引入 保留均方值 超過 將其余部分置 為零，則 ： ,0)(),()( 其中 正 整 數(shù)。 (2傅立葉逆變換 得 ： 1,.,0,)()( 10 于是 定義 102102)()()(0 蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 12 大 數(shù) 數(shù)是 用來衡量系統(tǒng)動力學 的一個定量指標，指數(shù)越大，混沌特性越明顯， 即 混沌 度越高。 小數(shù)據(jù)量法計算最大 數(shù) 的 步驟如下 : (1) 給定 時間序列 N,.),( ，i ， 計算出時間延遲和嵌入維數(shù) ，并 進行相空間重構。 ; (2) 用 傅立葉變換計算 序列 平均周期 P; (3) 根據(jù)時間延遲 嵌入維數(shù) 空間 重構 T A j *)1(,., (4) 找出相空間中并限制短暫分離 , 即 ),m 0( (5) 計算出 相空間中 的 每個點離 ),m i n (, . . . ,2,1(),m i n ()( (2(6) 對 于 每個 i,求出 每個 (ln 均值 , 即 qj 式中 q 為 非零 )( )(滯后 (7) 求斜率 ， 使用 最小二乘法 作 曲線擬合 : )( 1 1 為最大 蘭州大學碩士學位論文 基于 單導 腦電信號的在線壓力監(jiān)測系統(tǒng)研究與實現(xiàn) 13 類過程 對腦電信號進行去噪、提取出特征后，選擇數(shù)據(jù)挖掘里面的分類算法，以找出腦電與壓力的關聯(lián)。 最近鄰分類算法 (K 最近鄰分類 (法作為分類方法，簡稱 于 20世紀 50 年代早期被首次提出 。 當給定大量訓練集時 ，該方法 會產(chǎn)生較大的空間開銷。 直到 20世紀 60年代 ，計算能力大大增強 后 ， 流行起來。此后它廣泛 應用在 模式識別領域 中 。 最近鄰分類法 學習 的，即給定一個 檢驗元組 ，通過和與其相似的訓練元組 比較，從而完成 學習 過程 。 當訓練元組由 每個元組 便 代表 的一個點。這樣， 可以認為所有訓練元祖都被放置 在 一個n 維模式 的空間里面 。當 一個未知元組 到來 時， k 最近鄰分類法 便 搜索該 n 維 模式空間，找出 與 未知元組 距離最接近 的 稱 這 未知元組的 未知元組便屬于 鄰近性大小可以 用距離 來度量，常見的如歐氏 距離。 定義如下：給定兩個 元組 ),.,(X 112111 和 ),.,(X 222212 ，它們之間的歐氏距離為 ： ni (),( (2換言之，對于 元組中的每個 屬性，取元組 1X 和 2X 在 該屬性 上 對應值的差，然后取差的平方進行累計。最后取累計距離 的