癫痫脑电信号特征提取方法

1. 时域信号分析
对于癫痫脑电信号的分析都是基于信号本身特征,通过直接的处理,在时域中提取周期和幅值等脑电波形等基本特征作为判断依据。时域分析方法主要是分析脑电信号波形的几何性质,如脑电信号的幅值、方差以及均值等。常用的方法包括相位分析、方差分析、直方图分析、峰值检测、波形参数分析以及线性预测等方法。从直观的癫痫脑电波形参数与正常的脑电信号波形之间分析,可对癫痫发作的可能性进行预测。

2. 频域信号分析(傅里叶变换,功率谱函数)
频域分析方法,主要是通过FFT变换得出信号在频域上的能量变化提取相应脑电特征。经典频域分析法:是以短时间数据的傅氏变换为基础的周期法。将采样的数据作为零处理。但方差特性不好,频率分辨率低。目前功率谱估计是频域分析的主要方法,把幅度随时间变化的时域脑电信号通过变换,转化为随频率变化的脑电功率谱图, 由于癫痫发作时,脑电信号的功率或能量相比未发作时会明显增大,因此将脑电信号的功率谱作为特征能有效区分发作与未发作脑电可定量分析脑电信号各频段的分量,并可直接观察不同脑电节律的分布与变化。

3. 时频域信号分析
时域和频域分析仅仅从一个层面对脑电信号特征进行了反映,且不适合脑电信号这种非平稳的特点,同时对脑电信号的时域和频域特征进行分析更为适合脑电信号研究。时频分析方法清楚地描述了信号频率随时间变化的关系。在非平稳信号分析中,采用的大多都为时频域分析方法,可以将时域和频域两者结合起来,它包括小波变换法,短时傅里叶变换法,匹配追踪法,有限长单位冲激响应滤波等。

4. 非线性分析方法
脑电信号也表现出复杂的非线性动力学特性。通过提取基于非线性动力学理论的脑电特征来识别癫痫脑电已成为癫痫发作自动检测的前沿动向之一。
1)关联维数是时间序列非线性分析中常见的参数,描述了系统在相空间轨迹的维度复杂性,表征了系统的自由度。
2)Lyapunov指数描述了相空间中相邻轨道间收敛或发散的情况,反映了系统对初始值的敏感性。最大Lyapunov指数在脑电记录的不同时期会有显著变化,发作间歇期的最大Lyapunov指数是最高的,但随着发作的临近,最大Lyapunov指数会逐渐下降,在发作期,最大Lyapunov指数达到最低。

5. 多元统计分析方法
脑电信号是一种复杂的信号,它掺杂着许多杂波和干扰信号,如何有效对采集到的脑电信号进行有用信息的提取,滤除不需要的信息,减少处理的冗余性,减少运行时间,多元统计分析方法可以帮我们解决一部分,常使用的方法包括PCA, ICA, LDA等等

你可能感兴趣的:(脑电信号处理,信号处理)