第一章緒論1.1課題的研究背景及意義腦電圖(EEG)是大腦中大量神經(jīng)細胞在一種強相關(guān)狀態(tài)下對頭皮電活動的整體影響。腦電圖是一種增強和記錄人體腦組織生物電活動的方法，反映“活的”腦組織的功能狀態(tài)。在工程應用方面，人們也嘗試利用腦電圖信號實現(xiàn)腦機接口(brain-computerinterface,BCI)，通過不同的人類腦電圖實現(xiàn)不同感覺、運動以及感知測量,并利用對人類腦電圖信息的合理獲取與分析,來實現(xiàn)特定的控制目標。但是,因為腦電信號是指沒有發(fā)生在不同位置上的非均勻隨機信息,而且其背景噪聲又非常強烈,所以對腦電信號的研究和處理一直是個相當有魅力,而又非常繁瑣的研究課題。而腦電圖信息雖然涉及大量的生理和病理信息,但因為腦電圖信息往往存在著很大的偶然性,易于引起干擾,所以信息處理工作量也很大,除非借助腦電圖信息采集工具才可以提取最直觀有用的信息。醫(yī)務人員依靠個人臨床體會僅靠目視檢查無法處理這些問題,這些方式有很大的個人主觀性,易于導致錯誤。所以,必須更客觀的方式來處理腦電訊號。腦電信號包含大量的生理和病理信息。在臨床醫(yī)學中，腦電信號治療不僅可以為某些腦部疾病的診斷提供依據(jù)，還可以為某些腦部疾病提供有效的治療。腦電信號治療不僅可以為醫(yī)生提供臨床診斷的依據(jù)，還可以為某些腦部疾病提供有效的佐證。1.2國內(nèi)外研究現(xiàn)狀在1932年首次分析傅里葉變換的腦電信號后，迪奇時域和頻域中引入了經(jīng)典的腦電分析方法。時域系統(tǒng)中的傳統(tǒng)人工分析方法是，醫(yī)學專家依靠臨床經(jīng)驗，以視覺觀察來補充腦電波的分析和評估。隨著計算機的快速發(fā)展，先后開發(fā)了自動腦電分析系統(tǒng)，并顯著發(fā)展了利用計算機對腦電信號的分析。現(xiàn)代時域分析通常通過零交叉分析、直方圖分析、方差分析、相關(guān)性分析、峰值檢測和波形參數(shù)分析以及波形識別等方式直接提取腦流的特征。估計功率譜的重要性是頻域中的主要分析方法，在于將腦電波轉(zhuǎn)換為腦力變化的頻譜作為頻率的函數(shù)，從而可以直觀地觀察大腦節(jié)律的分布和變化。在大約十九世紀八十年代初期，英國外科醫(yī)生卡頓使用測流器發(fā)現(xiàn)猿猴的大腦中存在電流現(xiàn)象，這是人類首次記錄大腦中的電活動來檢測大腦功能。但是一直到上世紀初期，德國醫(yī)學家才第一次使用針狀電極記錄人類大腦的電活動，并將其稱為腦電圖記錄方法，從而開啟了腦電圖的臨床應用。一直持續(xù)到上世紀三十年代，得益于模擬電子技術(shù)學科的快速崛起，一種基于電子管技術(shù)的腦電圖采集系統(tǒng)被發(fā)明出來。直到同世紀五十年代，這種模擬電子線路技術(shù)依舊被應用在腦電圖信號的研讀與探索。幸運的是在二十年后,科學家使用技術(shù)共同模式和集成電路技術(shù)顯著降低了獲取系統(tǒng)體積描記,也加強了腦電圖,獲取系統(tǒng)的效率,腦電信號的研究才能夠取得突破性的進展并且逐步演變?yōu)橐婚T相當重要的科研領(lǐng)域。迄今為止，邦聯(lián)產(chǎn)品都是來自德國的無線電信息加工公司，全美國接受全歐，美國EGI突觸探測器2是大腦信息傳遞系統(tǒng)。它有兩個高速發(fā)射臺，四個兩度電干擾器，以及總共70個電路的64個單電干擾器。每一個發(fā)射臺采用24位A/d換芯片，確保完全的掃描精度;另外，科技也運用有效的噪音控制思想的信號噪音。在處理信號方面，無法儲存隨后電線收到的數(shù)據(jù)，導致在處理信號過程中大量數(shù)據(jù)丟失，并阻礙研究工作的發(fā)展;至于偽造的距離可自動距離原則上不假的實現(xiàn),而必須手動一步一步地進行,有更少的方法來防止偽造移除,也不是不可能的方法之間的差別和比較中沒有獨立的接口以寫的算法的刮臉偽造;關(guān)于這樣的峰值電流測量普遍兼容性設(shè)置(如與其他和統(tǒng)計方案)軟件的不舒服,自己缺乏基本的統(tǒng)計系統(tǒng),如分析與多樣性,而是只是普通儲存;它沒有時尚設(shè)計圖，反而設(shè)計得很不舒服總體成績不符合所有臨床需求;價格高昂，體積和重量很大。相較于國外的腦電信號技術(shù)的蓬勃發(fā)展，國內(nèi)的相關(guān)技術(shù)則顯得有些稚嫩，不僅起步比國外技術(shù)落后很多，相關(guān)技術(shù)的人才也不夠支撐起其快速發(fā)展。但近年來隨著腦電信號技術(shù)的相關(guān)應用的可應用領(lǐng)域越來越廣，其在交通、醫(yī)療、勘測和偵查等發(fā)面也愈發(fā)重要，所以我國也逐漸重視起相關(guān)應用的相關(guān)投資，而隨著我國相關(guān)人才的儲備量逐年上升，我相信我國完全有機會后來者居上，完全有實力與國外前沿研究齊頭并進甚至迎頭趕超。1.3本論文主要研究內(nèi)容及章節(jié)安排主要內(nèi)容：先簡述腦電信號研究的發(fā)展、采集、分類等基本知識，再對現(xiàn)有的分析方法，如時頻分析法、非線性分析法和人工神經(jīng)網(wǎng)絡分析法等現(xiàn)代方法進行概述，并對小波分析、雙譜分析、復雜度分析等適用于腦電信號處理進行介紹。本文通過對癲癇患者發(fā)病期間和發(fā)病前后的腦電信號的樣本熵值與正常人的進行比對與參照，從而獲得病癥特點并通過熵值變化對其他類型的疾病進行分類歸總。章節(jié)結(jié)構(gòu)安排：第一章：概述本論文的選題目的及意義，包括目前國內(nèi)外的腦電信號的研究狀態(tài)。第二章：簡述腦電信號的基本知識，并對其常用的分析方法進行介紹。第三章：簡述MF-DFA算法的實現(xiàn)步驟和用途，為下一章的數(shù)據(jù)處理做理論基礎(chǔ)。第四章：將腦電信號數(shù)據(jù)處理后進行仿真得到癲癇癥的腦電信號特征，并用其與正常人的區(qū)別作為區(qū)分依據(jù)進行分類。第五章：對本次論文所涉及的內(nèi)容做出一個高度概括，并且對其的未來的發(fā)展方向做出一定的預測。第二章腦電信號的分析方法2.1腦電技術(shù)的發(fā)展1875年，英國醫(yī)生理查德第一次用檢流計在動物的大腦皮層中檢測到了微弱的電流，并且在正常情況下電流為有節(jié)律的震蕩波。十五年后的1890年，波蘭的科學家Beck發(fā)現(xiàn)在感受刺激后會引起腦電波電位的變化，并且發(fā)現(xiàn)多種刺激均有效果。上世紀初德國精神學家Berger開始了系統(tǒng)的動物實驗，并且在1929年首次從人的大腦皮層提取到了腦電信號的活動電流，這也是世界上第一個腦電圖，這一發(fā)現(xiàn)對神經(jīng)學的發(fā)展起到了至關(guān)重要的作用，同時也掀起了研究腦電信號的熱潮。以后的數(shù)十年時間里，相繼誕生了許多種檢測技術(shù)和分析技術(shù)，腦電活動的相關(guān)研究也開始了發(fā)展的黃金期，記錄腦電圖的早期工作有助于癲癇和腦腫瘤的診斷。當今的常規(guī)臨床腦電圖已經(jīng)變得非常受歡迎。國內(nèi)外許多專家和科學家在人腦的研究和研究中投入了大量的時間和精力。神經(jīng)生理學原理。目前，腦電信號已成功用于腦損傷、腦血栓形成、發(fā)育障礙、內(nèi)分泌疾病等新藥，代謝紊亂的診斷，預后和治療。此外，腦電圖也常用于睡眠、深度麻醉監(jiān)測程度，隨著高科技的發(fā)展，引入電子計算機進行腦電圖分析，從手動到自動，從定性到定量的過渡。目前，對大腦電活動的研究正在深化。2.2腦電信號的采集腦電圖信號為低電壓，電流非常微弱，一般只有5~1000μV，需要在時間和空間經(jīng)過多級放大，必須進行觀察和記錄。腦電儀器是多階段的，腦電信號非常小放大記錄裝置，主要由輸入部分、最常用放置部分、調(diào)節(jié)部分和記錄部分組成。有兩種方法可以提取腦電信號。其中之一是將電極放在頭皮上，并使用腦電圖機記錄大腦皮層的自發(fā)電活動，因此稱為皮質(zhì)腦電圖或腦電圖。第二種是將電極直接放在大腦皮層表面以獲得電信號，稱為腦皮層信號，但這種方法可能會造成一定程度的損傷，因此常用于動物實驗或臨床開顱手術(shù)的患者。后者的振幅比前者大一個數(shù)量級，因為后者更接近腦電波產(chǎn)生的源頭，而前者僅顯示在身體表面。我們可以在腦電圖中發(fā)現(xiàn)人的各個機體特別是神經(jīng)系統(tǒng)的變化，由此我們可以知道影響腦電圖變化的原因有很多，比較常見的如年齡、意識形態(tài)和個體的差異、外界刺激和腦部疾病等因素都會引起人的腦電圖變化。其中年齡和個體差異極大概率與個人的身體素質(zhì)和心理狀態(tài)有關(guān)；而因外界刺激所引發(fā)的電流變化通常是一些生理變化，是一種可逆的過程性變化；此外，病理性的電波變化一般來說是由腦部疾病引起的，這種變化往往與其他因素所產(chǎn)生的棘波的電流變化有著很大的明顯的區(qū)別，但也有可能出現(xiàn)區(qū)別不大的慢波。在我們對腦電圖進行分析時，需要注意的是偽差的混入給我們的結(jié)果造成的影響。這一類的偽差并不是誤差，而是一種不直接反映腦電波變化的過程，這些偽差會給我們的查閱與分析帶來一定的麻煩與干擾，特別是一些和病理性腦電波相似度較高的偽差，很容易造成診斷的不準確。最常見的一類偽差就是物理性偽差，這種偽差一般表現(xiàn)為頻率為50Hz的交流噪聲。而為了盡量減少這種偽差，醫(yī)生一般會要求患者將頭洗干凈來減少人體的電阻，從而減少被混入的干擾。2.3腦電波的分類腦電波是以曲線的形式展現(xiàn)在二維平面上的，所以通常我們使用電位、周期和相位來描述腦電波。因此我們分類的標準一般來說也是如此，如果根據(jù)電位來分，低幅一般是指低于25μV的腦電波，中幅則是指25-75μV的腦電波，高幅是指75-150μV的腦電波，而處于150μV以上的電波就稱為極高幅。根據(jù)這一指標，我們可以把變化類型分為長期性變化、快速性變化以及突發(fā)性變化，這會成為我們分析疾病和正常生理活動的重要區(qū)別。但是在臨床醫(yī)學中，我們需要更加精細的劃分，以此來達到更好的診斷效果。所以在臨床醫(yī)學上，常常會根據(jù)腦電波的頻率數(shù)把腦電波分為δ波、θ波、α波以及β波，沒種不同的腦電波類型不僅對應不同的腦電波頻率，還可以根據(jù)這些類型波來判斷被診斷人的身心健康狀況和年齡性別等基本信息。2.4腦電信號的分析方法2.4.1時頻分析法EEG信號是隨時間變化的恒定信號，EEG信號具有不同的頻率和條件。周期性分析系統(tǒng)通常檢查EEG波形密度、平均值、轉(zhuǎn)換、高度、樓梯的幾何特征。頻率分析系統(tǒng)取決于每個帶寬的功率和容量。能夠反映腦電等生物醫(yī)學信號的頻率計劃隨著時間的推移而變化，工程技術(shù)經(jīng)常使用兩種方法：瞬時域系統(tǒng)和重復窗口系統(tǒng)。然而，長期以來區(qū)域頻率的校正存在不確定性原則，即在時區(qū)判斷正確，頻率確定越大，反之亦然。因此，重要的是要找到一種將時區(qū)和時區(qū)連接在一起的邏輯方法來研究腦電圖，因此重復的測試程序已經(jīng)開始。兼職研究始于20世紀40年代，目的是按時進行。頻繁的關(guān)節(jié)刺激功能，用于檢測信號中的頻率分量和頻率響應隨時間的變化。其中短時傅立葉變換、小波變換、Choi-Williams分布、Cone核分布等都是時頻分析法所包含的方法。通常，時間頻譜分析的典型區(qū)別是，它們都在強能量存儲中發(fā)揮作用，而不是。重要的是要知道信號的頻率和時延的關(guān)系，如果信號對噪聲的比值足夠大，就可以使用時間頻譜分析法分析得到在頻域平面上得到的信號瞬態(tài)頻率的關(guān)系。2.4.2雙譜分析法雙譜分析法的發(fā)現(xiàn)史可以追溯到20世紀60年代，這時的某些數(shù)學家已經(jīng)開始在理論上對高階統(tǒng)計進行一些局限的分析，直到20世紀90年代IEEE先后出版了兩個相關(guān)刊報，高階統(tǒng)計量的發(fā)展才開始了一個黃金時代。高階統(tǒng)計量也作為一種新型的數(shù)據(jù)分析方法而得到了廣泛的關(guān)注，其不僅廣泛應用于聲吶、雷達和GPS等定位系統(tǒng)，也作為一種圖像生成技術(shù)而廣泛應用于地震數(shù)據(jù)處理、圖像構(gòu)建和諧波恢復等方面。采用高階譜分析法不僅可以很好的抑制高斯噪聲，也能很好的識別并刻畫具有非線性特征的信號，同時也可以更好地檢測并提取信號的幅值信息和相位信息。而雙譜分析法就是高階統(tǒng)計量中最低階的一種方法，并且也是一種處理方式較為簡單的方法，但是同時又可以包含許多喲高階的優(yōu)點和特性，并且因為它操作簡單而精確度卻較高的種種優(yōu)勢而得到了廣泛的應用。而在近幾年的大量的實驗室數(shù)據(jù)和研究結(jié)果也可以發(fā)現(xiàn)，腦電信號其實是一種非線性的、非高斯的隨機過程，非常巧合的是雙譜分析法可以十分有效的分析腦電信號，并且能夠更好的提取其中包含的各種信息。2.4.3非線性分析法非線性分析法出現(xiàn)于上世紀60年代，它和平時研究的線性系統(tǒng)有著很大的區(qū)別，首先就是它的非周期性、非隨機性、非線性以及對初始條件的改變非常敏感等特點，這些特點可以說是與線性系統(tǒng)背道而馳。毫不夸張的說非線性系統(tǒng)的發(fā)現(xiàn)和興起可以成為上世紀的自然學科界的“第三次革命”，他的出現(xiàn)對于我們的日常工作和生活有著極其重要的意義。在我們生活的環(huán)境中，很少會有十分完美的線性系統(tǒng)，非線性才是這個自然的主要組成。因此，非線性分析相較于線性分析可以更好的適用于自然界。而人的腦電信號也正是如此，它是一種極其復雜的非穩(wěn)定的、時變的非線性信號。所以我們不難發(fā)現(xiàn)，非線性分析是一種更適合對腦電信號進行分析的分析方法。

腦電信號的數(shù)據(jù)處理腦電信號是由非常多的腦神經(jīng)細胞的彼此連接狀態(tài)的集合體，是由大量具有非線性的多單元神經(jīng)元的非線性耦合形成的。許多的偉大前人也給我們提供了許多分析腦電信號的非線性方法，其中比較知名的有李亞普洛夫指數(shù)，這些方法對于推動非線性分析法的進步有著很大的意義。而在這章，我會使用非線性分析法中的一種輔助算法——MF-DFA算法來完成對癲癇病人的腦電信號的分析工作。3.1MF-DFA算法3.1.1算法的定義MF-DFA算法是一種檢測數(shù)據(jù)復雜程度的算法方程，該算法區(qū)別于其他的需要進行粗?；膹碗s性測度的分析法，它是使用一個定量以此來描述復雜系統(tǒng)的不規(guī)則性，因此我們可以很直觀的從結(jié)果來判斷他的不規(guī)則性。3.1.2MF-DFA算法步驟（1）首先將一個長度為N的時間序列{Xk,k=1,2,...,N}構(gòu)造成一個去均值的和序列：Y(i)=,i=1,2,...,N(1)其中將（1）式中得到的序列Y（i）劃分成長度為S的不相交的區(qū)間，也就是改變他們的時間尺度為區(qū)間Ns=int(N/S)。我們在計算過程中為了確保序列Y（i）在劃分為各個區(qū)間時不會發(fā)生數(shù)據(jù)丟失，我么一般采用把序列Y（i）按照i的數(shù)字大小從小到大和從大到小均排列一遍，從而得到共計2NS個區(qū)間。把在操作（2）中得到的2NS個區(qū)間V（V=1,2，...，2Ns）中的S個點用最小二乘法進行K階多項式擬合：yv(i)=a1ik+a2ik-1+···+aki+ak+1(2)其中i=1,2,...,s;k=1,2,...計算均方誤差F2（S,V）若v=1,2,...,Ns時，F(xiàn)2（s,v)=1/S(3)若v=Ns+1,Ns+2,...,2Ns時，F(xiàn)2（s,v）=1/S(4)若果此時有2Ns個區(qū)間，那么就要計算F2（s,v）的均值即q階波動函數(shù)Fq（s）其中Fq(s)={1/2Ns}1/q（5）式子里的q可以取值任何不為0的實數(shù)。而若q=0時，波動函數(shù)為F0(s)=exp{1/2N}（6）Fq（s）是一種關(guān)于區(qū)間長度S和分形階數(shù)q的函數(shù)，同時隨著S的逐漸增大，函數(shù)Fq(s)也會隨著S的增大而成冪關(guān)系增加，也就是說函數(shù)Fq(s)與數(shù)據(jù)長度S成正比關(guān)系。在這種關(guān)系中，若q=2時，F(xiàn)q(s)就是我們熟知的DFA。H=h(q)就是賀斯特指數(shù)，所以我們一般把此時的h(q)成為廣義賀斯特指數(shù)。但當序列為一階分形時，均方誤差F2（s，v）的數(shù)據(jù)長度S是相像的，所以當h(q)隨q變化時{xk}會表現(xiàn)出多階分形特征；而若h(2)=0.5時，原來的時間序列{Xk}此時會和一個獨立的短環(huán)節(jié)相關(guān)；當增大到h(2)>0.5時，這個原時間序列就會和一個長過程相關(guān)；但是等到h(2)<0.5時，該原時間序列則會與負向長過程相關(guān)。由此我們可以得到以下結(jié)論：廣義賀斯特指數(shù)h(q)和標準指數(shù)τ(q)存在一定的聯(lián)系：τ（q）=q*h(q)-1(7)再將上式（7）中的聯(lián)系公式經(jīng)過阿德里昂變換式變換為：α＝τ(q)f(α)=qα-τ(q)(8)由（7）（8）式聯(lián)立得到奇異指數(shù)α、奇異函數(shù)f(α)與廣義賀斯特指數(shù)h(q)存在相互的聯(lián)系：α＝h(q)+q*h(q)=h(q)+q*dh(q)/dq(9)f(α)=q[α-h(q)]+1(10)3.2算法的性質(zhì)在經(jīng)過阿德里昂變換式處理后，我們可以更加直觀的看到奇異指數(shù)α的大小與函數(shù)波的不規(guī)則和波動程度有正相關(guān)的聯(lián)系，即奇異指數(shù)越大，則信號函數(shù)的奇異性越小，波形更平滑起伏更??；反之奇異指數(shù)越小，則信號函數(shù)奇異性越大，波形變化更加迅速劇烈起伏更大。明白了兩者的關(guān)系以后，我們可以從α的數(shù)值中提取一些特殊的數(shù)據(jù)來反映波形的波動程度：（1）在α的所有數(shù)值中找到最大值定義為α0（fmax=f(α0),α0∈[αmin,αmax]）來表示差動信號的規(guī)則程度，它越小就表示波形更平整，起伏也就更小。在數(shù)據(jù)集中分別找到最大值與最小值，在做差值得到Δα，也就是頻譜的寬度，該數(shù)據(jù)可以反應在標度不變的情況下整個數(shù)據(jù)的波動情況。MF-DFA算法實質(zhì)上與近似熵相近，但它更適用于腦電信號的數(shù)據(jù)的分析，在計算過程中，它直接計算和的對數(shù)所以擁有較高的精度，而它也更適合用來描述一個序列的復雜程度和穩(wěn)定狀況，但它相較于近似熵卻具有更快的計算速度和更簡單的計算方法。第四章腦電信號的特征提取與分類4.1以癲癇病為例癲癇是一種由多種病因引起的慢性腦部疾病，以腦神經(jīng)元過度放電導致反復性、發(fā)作性和短暫性的中樞神經(jīng)系統(tǒng)功能失常為特征。令人難以置信的是大腦電信號包含大量的身體信息和精神障礙。這些癥狀是神經(jīng)系統(tǒng)的癥狀和癥狀，特別是癲癇。目前癲癇治療的基本原理多為藥物治療和手術(shù)，但藥物治療只對部分患者有效。當腦損傷手術(shù)集中或擴散時，也有一些副作用。由手術(shù)損傷或主要不可手術(shù)活性化合物異常引起的并發(fā)癥是對大腦中電活動的研究。專門從事活動的技術(shù)是準確和快速的，并且不會對癲癇發(fā)作大腦中電氣系統(tǒng)的特性構(gòu)成威脅。對于腦內(nèi)熵癲癇、切除疾病的診斷、預防性治療及相關(guān)研究具有重要意義。MF-DFA分析將是癲癇診斷的良好參考。4.2數(shù)據(jù)的提取4.2.1信號預處理這一步的目的是為了提高腦電信號的信噪比，以此來凸顯出腦電信號中所包含的我們感興趣的信息，通常采用的方法有直接相減或者卡爾曼濾波的方法來解決。4.2.2數(shù)據(jù)組來源本論文所使用的數(shù)據(jù)均來自于網(wǎng)絡腦電圖數(shù)據(jù)庫與知乎用戶提供，該組數(shù)據(jù)均為某醫(yī)院真實臨床病例，本章首先研究癲癇病人的腦電信號的特征，共有癲癇患者八名，患者為年齡均勻分布于25歲至55歲的男女各四名。對照組也同樣設(shè)置年齡、人數(shù)和性別均與前者相似的正常人的腦電信號數(shù)據(jù)，以此方便與實驗組數(shù)據(jù)進行對照，并且同時可以盡量的減小其他因素對實驗造成的誤差。4.2.3數(shù)據(jù)處理與仿真腦電信號的特征提取和分類的方法有很多，我們本次只采用單一種類信息法來完成，也就是說只根據(jù)時域均值或者頻域頻率來分類。本次實驗所選取的為在波形函數(shù)較為穩(wěn)定后的10到11秒之間的數(shù)據(jù)進行處理，數(shù)據(jù)節(jié)點選取210點即1024點，區(qū)間長度s取值s=2。圖4-1癲癇病人腦電信號MF-DFA仿真曲線圖4-1是癲癇病人在發(fā)病時的腦電信號在經(jīng)過MF-DFA處理后得到數(shù)據(jù)進行仿真得到的結(jié)果。我們從中不難發(fā)現(xiàn)癲癇病人在發(fā)病時的腦電信號非常復雜而且起伏十分巨大，但是對于不同的病人來說發(fā)病時的波動差距也不盡相同，比如深藍色曲線的1856曲線對應的病人腦電信號起伏就十分巨大，而紫色的2028曲線對應的病人起伏就相對較小，這也說明了同一種病癥的病人的腦電信號也會有較大的不同。圖4-2正常人的腦電信號MF-DFA仿真曲線圖4-2是正常人的腦電信號經(jīng)過MF-DFA處理后得到數(shù)據(jù)的仿真曲線。我們可以與圖4-1的癲癇病人發(fā)病時的腦電信號圖像做一個大致的比較，我們不難發(fā)現(xiàn)正常人的腦電信號一般來說較為穩(wěn)定，不會出現(xiàn)突然之間較大起伏的情況，這說明正常人正常狀況下腦電信號之間不會不出很大的差別，但也不是完全相同的，因此為了更加直觀的比較，我們可以采用各自取其平均值的辦法來直觀的反映正常人與癲癇病人的腦電信號的區(qū)別。圖4-3正常人與癲癇病人的平均值我們各自取平均值并放入同一圖表中得到圖4-3，從這張圖中結(jié)果更加一目了然，正常人的腦電信號平均值明顯高于癲癇病人的平均值，而且正常人的腦電信號狀況也更加平穩(wěn)，不像癲癇病人一樣會出現(xiàn)較大的起伏，這也是癲癇病人的腦電信號區(qū)別于正常人的兩大不同。在實驗過程中，為了保證實驗的完整性與準確性，還要再驗證使用分析方法是否有用，我們可以對另一個癲癇病人的長時段腦電信號進行分析。如圖4-4中，我們可以看到癲癇病人在發(fā)病期間腦電信號有著非常明顯的上下起伏，這也與我們的分析曲線相符合，其次我們也容易發(fā)現(xiàn)病患在發(fā)病期間的腦電信號復雜程度與正常時有明顯的差異，并且我們的曲線下降與上升的時間與病人的發(fā)病時間也十分符合，因此我恩可以認為我們的分析方法對于癲癇病的分析是正確無誤的。圖4-4癲癇病人腦電信號的時域曲線與分析曲線4.2.4根據(jù)特征的分類我們在進行分類操作時也可以選擇多種方法完成，我們這里使用支持向量機方法里的最優(yōu)分類面來解決。我們在求解最優(yōu)分類面時一般將其代換為求拉格朗日乘子式L(w,b,a)=1/2*‖w‖2_的最小值，其中2/‖w‖為分類間隔，ai>0為拉格朗日系數(shù)，這個優(yōu)化解又要同時滿足庫恩塔克條件，因此最終得到的函數(shù)為：f(x)=sgn{(w**x)+b*}=sgn{,其中sgn（）為符號函數(shù)。值得注意的是在線性狀態(tài)下會出現(xiàn)不可分的現(xiàn)象，所以要在附加一個限制條件εi≧0，我們就可以進一步將函數(shù)求值簡化為求解的極小值，其中C是一個確定的常數(shù)。圖4-5腦電信號的分類結(jié)果在完成上述過程后，我們選擇時域的均值作為分類器的輸入向量，由于沒有很好的函數(shù)來作為理論依據(jù)，所以完成操作后還進行分類器的訓練。我們可以將一般的數(shù)據(jù)用作訓練用，而另一半作為數(shù)據(jù)進行測試，最終結(jié)果如圖4-5所示。4.3本章小結(jié)在這個章節(jié)中，我們使用MF-DFA算法對癲癇病人與正常人的腦電信號數(shù)據(jù)進行處理和仿真，從中可以得出癲癇病人發(fā)病時腦電信號的特點：（1）其在發(fā)病期間腦電信號復雜程度會遠低于正常人的水平值，甚至會低于自身未發(fā)病時的范圍；（2）其在發(fā)病期間腦電信號會產(chǎn)生十分明顯的波動起伏。同時我們也粗略驗證了我們的分析方法的可行性和合理性，并在此基礎(chǔ)上通過分類器實現(xiàn)了腦電信號分類的操作任務。第五章結(jié)論與展望大腦使我們?nèi)梭w最精細高端的器官，它控制著我們的各個生命系統(tǒng)，影響著我們的思維能力。大腦給人體傳遞信息的方式一般為電信號的形式，因此我們將這種電流稱之為腦電信號，它承載著我們?nèi)梭w絕大多數(shù)的信息，不僅包含著我們的身體健康狀況信息，還蘊藏著我們的心理健康狀況，所以我們可以通過對腦電信號的特征的分析與研究得到許多人體的信息和秘密。本文的主要內(nèi)容可以大致概括為：（1）簡述本次課題的選題目的和意義，簡述腦電信號的研究對于人們的重要意義。簡要的敘述一下腦電信號的國內(nèi)外發(fā)展史，使我們對于腦電信號有一個初步的全面認識。（2）大致概述一些腦電信號的分析方法，并且詳細描述自己要使用的某個或某些分析方法，比如雙譜分析法、時頻分析法以及非線性分析法。（3）簡潔明了的說明我所采用的分析方法MF-DFA算法的具體步驟、性質(zhì)和適用的場景，并對收集到的腦電信號數(shù)據(jù)進行計算處理。（4）我們以腦部疾病中的典型病癥——癲癇病為例來分析腦電信號，并把它和正常人的腦電信號數(shù)據(jù)形成實驗組和對照組，完成對兩組數(shù)據(jù)的處理和仿真，從而得到癲癇患者腦電信號的特征。最后再完成癲癇病人的腦電信號數(shù)據(jù)的分類。關(guān)于腦電信號的未來發(fā)展趨勢，他一定與當下的第四次科技革命息息相關(guān)。第四次科技革命給我們帶來了萬物互聯(lián)的物聯(lián)網(wǎng)以及當下科技浪潮的智能機器人，那么腦電信號的未來發(fā)展就一定是更加智能化，例如當下在醫(yī)療領(lǐng)域大火的智能醫(yī)療，它不僅可以實時監(jiān)控病患者的身心健康狀況，還能為醫(yī)生診斷病情提供更多細節(jié)信息；而另一個大方向就是腦端接口，這項技術(shù)可以準確的捕捉人的情緒和想法，所以這是人與人、人與物相互聯(lián)系相互影響的基礎(chǔ)技術(shù)。參考文獻[1]張志琴.腦電信號的復雜性分析[D].南京：中南大學，2009.[2]季忠．腦電信號特征信息提取的時頻分析方法及虛擬式腦電圖儀的研制[D].重慶：重慶大學,2003.[3]季忠,秦樹人,彭麗玲．腦電信號的現(xiàn)代分析方法[J]．重慶大學學報(自然科學版),2002,09:108-112.[4]周建芳.腦電信號的特征分析與研究[D].桂林：廣西師范大學，2011.[5]章晨衍.腦電信號的特征分析與針灸鎮(zhèn)痛關(guān)