论文部分内容阅读
脑电信号(electroencephalogram,简称为EEG)中包含丰富的生理信息和病理信息。这些信息不仅可以为临床提供诊断依据,还可以为一些脑部疾病提供有效的辅助治疗手段。但是要想从脑电信号中获得这些有用信息,必须对脑电信号进行一定的处理。传统的信号处理方法如傅里叶变换只适合处理线性、平稳信号,由于脑电信号的非线性、非平稳特性,因此傅里叶变换等方法不适用于脑电信号。希尔伯特-黄变换(Hilbert-Huang Transform,简称为HHT)有一定的自适应性,适用于各种信号,因此本文采用它对脑电信号进行处理。本文的主要研究工作包括以下几个方面:首先,阐述了脑电信号的基本知识以及脑电信号在国内外的研究现状。详细描述了经验模态分解(Empirical Mode Decomposition,简称为EMD)的过程和特点,并且将小波变换、傅里叶变换和希尔伯特-黄进行了对比,通过对比得出HHT法更适合处理脑电信号。随后本文为了对脑电信号进行去噪,设计了一种基于经验模态分解和蒙特卡洛法(Monte Carol)的去噪方法,该方法的核心是建立高斯白噪声库,然后将信号和白噪声库进行对比进而实现对信号的去噪。为了验证该去噪方法的有效性,本文在MATLAB环境下对仿真信号进行试验。再次,本文针对已经去噪的脑电信号进行处理,处理方法使用Hilbert-Huang变换和传统的傅里叶变换,分别得到对应的Hilbert谱和傅里叶谱。最后通过Hilbert谱和傅里叶谱,对信号进行分析,提取其中的有用信息。通过实验仿真,本文验证了Hilbert-Huang变换可以用于脑电信号的处理,并进一步验证了Hilbert-Huang变换在处理脑电信号时的确具有一定的优越性。为了提高数据处理的速度,本文结合了MATLAB平台与VC++,实现了在脱离MATLAB环境下对脑电信号的处理。