EEG数据信号的Matlab滤波仿真设计分析研究_徐欣

EEG数据信号的Matlab滤波仿真 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 分析研究_徐欣 ------------------------------------------------------------------------------------------------ EEG数据信号的Matlab滤波仿真设计分析研究_徐欣 第31卷第6期2011年12月南京邮电大学学报(自然科学版) JournalofNanjingUniversityofPostsandTelecommunications (NaturalScience)Vol(31No(6Dec(2011 EEG数据信号的Matlab滤波仿真设计分析研究 徐 1欣，周 21 运，马千里 ( 摘 1(南京邮电大学地理与生物信息学院，江苏南京2100462(南京邮电大学通信与信息工程学院，江苏南京210003 ) EEG)过程中，要:在处理脑电图(Electroencephalogram，对采集到脑电信号的预处理特别重要。文中利用信号 分析与处理知识，在Matlab软件平台上仿真分析了不同小波基函数对脑电信号分解和重构的影响，以及利用db5小波基函数对EEG进行5层多尺度分解和重构，仿真信号颤动情况。通过采用不同阈值进行降噪和与低通滤波器对特定频带仿真结果进行分析和研究。研究结果表明:小波分析在EEG信号预处理降噪中可有的消噪仿真比较， —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 效地提取脑电微信号，对EEG在更广的领域里发挥作用具有实用 意义。关键词:小波变换;脑电图;消噪;Matlab中图分类号:TN911(7 文献 标识 采样口标识规范化 下载危险废物标识 下载医疗器械外包装标识图下载科目一标识图大全免费下载产品包装标识下载 码:A 5439(2011)06-0037-07文章编号:1673- SignalFilteringEEGDatainMatlabSimulationDesignAnalysis XUXin1，ZHOUYun2，MAQian-li1 ( 1(CollegeofGeographyandBiologicalInformation， NanjingUniversityofPostsandTelecommunications，Nanjing210046， China2(CollegeofTelecommunication,InformationEngineering， NanjingUniversityofPostsandTelecommunications，Nanjing210003，China ) Abstract: ThepretreatmentofcollectedEEGsignalsisquiteimportantinprocessingEEGsignals(Bya-doptingtheknowledgeofsignalanalysisandprocessing， wesimulatetheimpactofdifferentwaveletbasisfunctionsonthedecompositionandreconstructionofEEGsignalsbasedonmatlabplatform(Thenwede-c omposeandreconstructEEGina5-layermulti-scalewaybyusingdb5waveletbasisfunction， andsimu-latethevibrationofthesignals(Bycomparingthesimulationresult sofdenoisingunderdifferentthresholdswiththatunderlowpassfilters， weanalyzeandstudytheresultsofspecificfrequencybands(Theresearchsh —————————————————————————————————————— ------------------------------------------------------------------------------------------------ owsthatintheprocessofdenoisingEEGsignals， waveletanalysiscanextractEEGmicrosignalseffec-tively， andthushasimportantvalueonthepracticaluseofEEGinbroaderfields(Keywords:wavelettransform;EEG;denoising;Matlab 0引言 随着物联网技术的发展，脑电信号的处理与分析也越来越多的运用到这个范畴的研究中。 人类的生理、心理及病理信息都可以通过脑电反映出来，脑电信号的处理与分析在脑认知科学研究领域是十分重要的。但由于高灵敏度的脑电放大器很容易受到外界环境的影响，再加上受检者自身的各种因素，而脑电信号是一种微弱(μV级)的电生理信号，主要能量包含在0(05,30Hz的频段内，属于信噪比低的微弱信号，并且存在非平稳性，所以极易受到非神经源噪声和神经源噪声，如工频干扰、高频干扰、眼动伪差 我们的脑无时无刻不在产生脑电波，其中蕴含着 丰富的信息，因而有效提取脑电微信号并加以研究分析具有重要的实用意义，也是研究人生理和心理状态的一种有效的途径。随着现代科学的进展，人们通过脑电图描记仪将脑自身微弱的生物电放大并记录成为 EEG)。如今，曲线图，即脑电图(Electroencephalogram，脑电图除应用于临床医学外，已广泛地应用于军事医 学、航天医学、生理学和生物学等多学科的研究方面， —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 08-11;修回日期:2011-09-14收稿日期:2011-基金项目:南京邮电大学青蓝基金(NY210047)、东南大学生物电子学国家重点实验室开放课 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 (BJ211005)资助项目 mail:xuxin@njupt(edu(cn通讯作者:徐欣电话:(025)85866629E- 38南京邮电大学学报(自然科学版)2011年 等其他电生理信号干扰。这些往往造成脑电图中出现 即在脑电记录过程中伴随出现的各种非脑电位伪迹， 干扰。在采集和分析EEG数据时，应当尽量避免产生和设法消除脑电图中的伪迹。 如何消除原始脑电数据中的噪声，发展先进的伪迹识别与剔除方法以更好地获取反映大脑活动和状态的有用信息是进行脑电分析的一个重要前提。目前，常用伪迹减法、回归方法、自适应滤波、小波变换、主成分分析(PrincipleComponentAnalysis，PCA)、独立分量分析(IndependentComponentAnaly-sis，ICA)等方法来进行降噪和去除脑电信号中的伪迹 ,1,2, 变换处理与傅里叶分析相比，它在时域和频域上均具 另外小波变换是信号振幅、频有较好的局部化特性， 率和时间的三维表示。三维表示在病理情况下更方 ,5, 所以更有利于EEG分析和处理。便， 小波变换的时频窗口特性与短时傅里叶的时频窗口不一样，因为—————————————————————————————————————— ------------------------------------------------------------------------------------------------ τ仅仅影响窗口在相平面时间轴上的位置，而a不仅影响窗口在频率轴上的位置，也影响窗口的形状。这样小波变换对不同的频率在时域上的取样步长是可调节的。信号预处理的目的是提高信噪比。脑电信号噪声的来源有很多种，包括非神经源噪声和神经源噪声，对这些不需要的信号，应尽可能地去除。仿真设计的基本思路是利用小波分析对信号进行降噪。一个含噪的一维信号模型可表示为如下形式: s(k)=f(k)+ε?e(k)，k=0，1，…，n,1 (1) s(k)为含噪信号，f(k)为有用信号，e(k)为噪声信其中， 号。一般认为e(k)是一个1级高斯白噪声，通常表现为高频信号，而实际工程中f(k)通常为低频信号或者是一些比较平稳的信号。小波变换降噪是基于多尺度小波变换的分解和重构的。首先对经过预处理的含噪信号进行多尺度小波变换，然后在各尺度下尽可能提取出信号的小波系数而去除属于噪声的小波系数，最 ,6, 后用逆小波变换重构信号，达到去噪的目的。 。这些技术各自都针对不同的问题情境，均 建立在特定假设基础上，所以应根据具体的研究目 的和实验条件进行合理选择。随着小波理论的日趋小波变换由于其在时频两域都具有表征信号成熟， 被广泛应局部特征的能力和多分辨率分析的特点，用到非平稳随机信号(如脑电波)的伪迹去除领域。本文就是将小波变换应用于脑—————————————————————————————————————— ------------------------------------------------------------------------------------------------ 电信号的预处理 降噪，进行Matlab仿真分析，以此来了解小波分析在EEG信号预处理降噪中的优势，希望通过仿真的设计与研究使EEG在通信及物联网领域里发挥更大的作用 ,3,4, 。 1基于小波变换的EEG降噪 2 2(1 仿真设计实验和结果分析 原始实验数据说明及图表 傅里叶分析方法(FourierAnalysis)提供了一种 把时域信号转换到频域进行分析的途径，但它只考虑时域和频域之间的一对一映射关系，是一种时频完全分离的全局分析方法，但是不能表述信号的时频局部性质。而在此基础上提出的短时傅里叶变换和Gabor变换又都是单一分辨率的信号分析方法。小波分析(WaveletAnalysis)或多分辨率分析(MultiresolutionAnalysis)的研究出现是是一种分离信号分量的好方它比大多数其他分析、处理和压缩信号的方法更法， 为优越。其特点就是分析低频时，采用拉伸的小波和分析高频信号时，采用长的时间窗以获取足够信息， 压缩小波和短时间窗以获得足够精度。这种特性使小波变换具有—————————————————————————————————————— ------------------------------------------------------------------------------------------------ 对信号的自适应性。小波分析/小波变换的变换目的是获得时间和频率域之间的相互关系。小波变换通过平移母小波(motherwavelet)获得信号的时间信息，通过缩放母小波的宽度(或称尺度)获得信号的频率特性，对母小波的平移和缩放操作视为计算小波的系数，这些系数代表局部信号和小波之间 小波的相互关系。脑电信号具有非平稳信号的特点， 本次实验数据来自国际上公认的可作为 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 心 BIH，电数据库的MIT-是由美国麻省理工学院提供的研究心电、步态和脑电的数据库。实验用数据为 slp03、slp04两人睡眠状态下在C3-01电极记录的脑电数据，其中采样频率为250Hz。 利用Matlab将15000个采样值体现在图表中，如图1、图2所示。 图1slp03的睡眠记录EEG波形 第6期徐欣等:EEG数据信号的Matlab 滤波仿真设计分析研究39 图2slp04的睡眠记录EEG波形 由以上图1、图2可以看出，脑电波信号是非平稳的类似随机的一类信号，并且不同个体的EEG存在差异。根据研究，临床诊断时EEG是诊断某些病理的重要参考;并且在不同刺激下，如不同音频、光 脑电波形均可能会有特定的反映。照或酒精刺激下， —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 2(2不同小波基函数的分解与重构 多分辨率理论为基础提出的小波分解与重构的 快速算法(Mallat算法)重构公式为:c0(k)= ?h(k,2m)c(m)+?g(k,2m)d(m) 1 1 m m (2) 根据不同尺度把已知进行多级分解，目的是使信号的总的频率成分没有发生变化的情况下，将信号分成逼近和细节信号。细节信号中的噪声经过小波分解，提取出信号的小波系数，最后用逆小波变换重构信号，达到降噪的目的。由于小波变换的基函数具有不唯一性，在分析具体信号时，使用不同的小波基函数，得到的分解及重构效果将会不同。所以，在分析脑电信号时，也需要先选择合适的基函数，一般情况下取经验函数。为了使这一过程更加透明，下面将通过比较几个不同的小波基函数的降噪效果来进行说明，这几个小波基函数分别是Haar函数、db3函数、db5函数以及coif5函数,7,。 同时，图形用户界面(GUI)模块的设计通过窗口、图标、按钮、菜单、文本等图形对象构成用户界面，使用户可以直接选中或者激活这些对象，从而导致某个操作或变化的发生，可以实现用户和计算机程序之间的交互操作。Matlab程序略，程序仿真结果见图3,图7。 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 比较上述重构信号可以发现，采用db5函数和coif5 函数得到的重构信号与原始信号较为接近，且消除了波 Haar函数与db3函数得而相较而言，形中明显的颤动， 到的重构信号有较为严重的失真现象，降噪效果不理想。 2(3EEG的多分辨率分解与重构 以下多分辨率分析运用的小波基函数是db5小波。Daubechies(dbN)小波是由世界著名的小波分析学者InridDaubechies构造的小波函数，我们一般简N是小波的阶数。这里采用的db5小波对写为dbN， EEG原始信号进行5级小波分解，得到各自的小波分d5，d4进行小波重构。所用数据是解结构，选用a5，slp03、slp04睡眠脑电数据中15000个采样值中的前1000个采样值。下面两幅图是经过多层分解和重构后的波形对比(见图8、图9)。从去除噪声后重构EEG信号波形中可以明显看出去除了颤动,8,9,。 图3原始信号 40南京邮电大学学报(自然科学版)2011年 将slp03前1000个EEG信号采样值组成的信 其EEG各层信号波形如号片段进行5层小波分解， 图10所示 。 图10各层分解系数 2(4阈值降噪法的仿真分析 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 3种降噪下面仿真3种降噪方式的降噪效果， 方式分别是:(1)默认阈值降噪处理。(2)给定软 或硬阈值降噪处理。(3)强制消噪处理。实验图表 如图11和图12所示，所用小波基函数是db5，分解 层数是3层 。 图11Slp03的降噪 第6期徐欣等:EEG数据信号的Matlab滤波仿真设计分析研究41 图12Slp04的降噪 通过图11和图12可以看出，应用强制去噪处 理后的信号较为光滑，但是它很有可能丢了信号中 的一些有用成分;默认阈值去噪和给定软阈值去噪 这两种处理方法在实际中应用得更为广泛一些。通 过上述实验图表，我们可以很直观地看出小波变换 在EEG信号预处理中的降噪效果。同时，运用不同 降噪的效果的小波基函数进行多尺度分解和重构， ,10,不尽相同。 2(5小波变换与低通滤波器降噪方法的比 较分析 低通滤波器也是EEG信号的降噪方法之一。 下面就小波变换分析与低通滤波器的降噪效果进行 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 分析。我们知道，未经处理的脑电信号中存在各种 噪声干扰，包括电力系统的工频干扰、高频干扰等。 由于我们的实验数据已经经过一定的预处理，所以 首先将工频干扰人工加入脑电信号中。再将加入工 频干扰的信号通过低通滤波器和小波变换滤波，比 较降噪结果。具体如下(见图13,图16)。 由此频响比较可以看出，小波重构与低通滤波 均能消除脑电信号中的工频干扰。低通滤波器将截 止频率设为40Hz，可以滤除40Hz以上频率的所有 成分。而小波多尺度分解与重构中，由于采用的是 强制去噪处理，即将小波高频分解系数去除，所有高 频噪声成分得到了遏制,11,13, 。 42南京邮电大学学报(自然科学版)2011年 噪结果可以看出信号的颤动减少。采用不同阈值进 应用强制去噪处理后的信号较为光行降噪过程中， 滑，但是它很有可能丢了信号中的一些有用成分;默认阈值去噪和给定软阈值去噪这两种处理方法在实 际中应用得更为广泛一些。从与低通滤波器的消除工频干扰效果的比较中可以知道，小波变换分析方 可以得到各层分法的去噪效果具有很大的灵活性， 解结果，以对特定频带进行深入的分析。综上，通过 —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 实验仿真分析，小波分析在EEG信号预处理降噪中可有效地提取脑电微信号，对EEG在更广的领域里发挥作用及脑机接口(BCI)系统的研究开发具有实用意义。参考文献: ,1,张细政(肠鸣音的小波域滤波方法,J,(湖南工程学院学报:自 2011，21(1):51,54(然科学版， ZHANGXizheng(TheFilteringMethodsofBowelSoundsinWaveletDomain ,J,(JournalofHunanInstituteofEngineering:NaturalSci-enceEdition，2011，21(1):51,54((inChinese) ,2,黄安贻，张理恒(基于小波变换的信号 检测 工程第三方检测合同工程防雷检测合同植筋拉拔检测方案传感器技术课后答案检测机构通用要求培训 及其在DSP上的实 2010，33(3):2,4(现,J,(机电技术， HUANGAnyi， ZHANGLiheng(SignalDetectionBasedonwaveletTransformanditsRealizati onUsingDSP,J,(MechanicalandElec-tricalTechnology，2010，33(3):2,4((inChinese) 3,张德丰(MATLAB小波分析,M,(北京:机械工业出版社，2009:, 49,97( ,4,周建兴，(北京:人民邮电岂兴明(MATLAB从入门到精通,M, —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 2008(出版社， ,5,罗尚清，杨浩(脑-机接口系统工作原理综述,J,(医疗卫生装 2008，29(8):33,35(备， LUOShangqing， YANGHao(ReviewonWorkingPrinciplesofBrainComputerInterfaceSystem ,J,(ChineseMedicalEquipmentJour-nal，2008，29(8):33,35((inChinese) ,6,孙宇舸，叶柠，徐心和(基于PCA和小波变换的脑电信号的特征 提取,C,?2007中国控制与决策学术年会论文集(2007:669,676( ,7,葛哲学，沙威(小波分析理论与MATLABR2007实现,M,(北 2007(京:电子工业出版社， ,8,宋翠芳，李娜，刘海华(基于小波分析的EEG信号自适应去噪的 J,(现代电子技术，2007，10:94,96(应用研究, SONGCuifang，LINa， LIUHaihua(ApplicationResearchBasedonWaveletAnalysisinRemovingNo isesinEEGSignalsAccordingly,J,(ModernElectronicsTechnique，2007，10:94,96((inChi-nese) ,9,陈峰，成新民(基于小波变换的信号去噪技术及实现,J,(现—————————————————————————————————————— ------------------------------------------------------------------------------------------------ 代 2005，3:11,13(电子技术， CHENFeng， CHENGXinmin(SignalDenoisingTechniqueandRe-alizatronBasedonWavel etTransform,J,(ModernElectronicsTech- 相比较而言，小波变换分析方法更加灵活，因为 可以选择设定不同频带内的信息取根据阈值不同， 舍。而低通滤波除了消除工频干扰，还可能忽略了更高频带内的有用信息 ,14, 。 3结束语 本文主要探讨了小波变换应用于脑电信号的预 处理降噪原理与过程仿真分析。小波变换作为适合非平稳信号的分析工具，在EEG信号预处理降噪分析中有所应用。在采用小波分析方法时，需要考虑不同的小波基对处理结果的影响。因为采用不同的小波基函数，脑电信号分解和重构的效果也不尽相db5和正则性较好的coif5同，由实验结果直观判断， 紧支小波的降噪效果较好。对EEG进行5层多尺度分解和重构仿真中，利用的小波基函数是db5函数。降噪的基本思想是将EEG信号分解为低频和高频分量，重构时仅考虑较低频分量。因而实验去 第6期徐欣等:EEG数据信号的Matlab滤波仿真设计分析研究—————————————————————————————————————— ------------------------------------------------------------------------------------------------ 43 nique，2005，3:11,13((inChinese) ,10,王巧兰，季忠，秦树人(基于小波变换的脑电噪声消除方 法 ,J,(重庆大学学报，2005，28(7):15,17( WANGQiaolan，JIZhong， QINShuren(EEGSignalDenoisingBasedonWaveletTiansform ,J,(JournalofChongqingUniversity，2005，28(7):15,17((inChinese) 11,PAVLYGINARA，SAKHAROVDS，DAVYDOVVI(SpectralA-, nalysisoftheHumanEEGduringListeningtoMusicalComposi-tions ,J,(HumanPhysiology，2004，30(1):54,60( ,12,PODDUBNAYAEP(EEGinChildren:PeriodometricAnalysis， Ty-andAgePeculiarities,J,(Neurophysiology，2002，34(5):pology， 373,385( ,13,AKINM(ComparisonofWaveletTransformandFFTMethodsin theAnalysisofEEGSignals,J,(JournalofMedicalSystems，2002，26 (3):241,247( ,14,黄远桂，吴声伶(临床脑电图学,M,(西安:陕西科学 技术出版 1984(社， 作者简介 : —————————————————————————————————————— ------------------------------------------------------------------------------------------------ 徐 欣(1978,)，男，江苏 无锡人。南京邮电大学地理与生物信息学院讲师。研究方向为信号与信息处理。 周运(1990,)，女，浙江永嘉人。南京邮电大学通信 与信息工程学院本科生。研究方向为信号与信息处理。 马千里(1978,)，男，安徽霍邱人。南京邮电大学地理博士研究生。研究方向为信号与信与生物信息学院副教授，息处理。 (上接)作者简介 : 袁佳丽(1987,)，女，江苏泰兴人。南京邮电大学教育科学与技术学院硕士研究生。目前主要研究方向为图像处理。 霍智勇(1973,)，男，山东淄博人。南京邮电大学传媒与艺术学院副教授。主要研究方向为图像处理和多媒体通信、数字视频特效与设计以及网络远程教育。 ——————————————————————————————————————