【正文】 Weidong等人運(yùn)用小波與獨(dú)立分量分析ICA)相結(jié)合從腦電中分離出了肌電與心電干擾信號(hào)。但是，腦電信號(hào)屬于隨機(jī)性非平穩(wěn)信號(hào)，應(yīng)用傅立葉變換進(jìn)行去噪有很大的缺陷。近十幾年來，隨著科學(xué)技術(shù)的發(fā)展，出現(xiàn)了先進(jìn)的腦電采集設(shè)備，可以方便的獲取人的頭皮腦電電位；同時(shí)于1997年在美國啟動(dòng)的人類腦計(jì)劃也給全球的腦電研究工作者帶來了鼓舞，對(duì)腦電的研究在近十幾年來逐漸增多[2]。Hans Berger于1924年首次發(fā)現(xiàn)了腦電波，但長期以來，對(duì)于腦電的研究卻相當(dāng)匾乏。在工程應(yīng)用方面，人們也嘗試?yán)媚X電信號(hào)實(shí)現(xiàn)人腦——計(jì)算機(jī)接口(BCI)，利用人對(duì)不同感覺、運(yùn)動(dòng)或認(rèn)知活動(dòng)的腦電的不同，通過對(duì)誘發(fā)腦電信號(hào)的有效的提取和分類達(dá)到某種控制目的。在認(rèn)知科學(xué)、生理學(xué)、精神病學(xué)方面，誘發(fā)腦電信號(hào)也具有廣闊的學(xué)術(shù)價(jià)值和應(yīng)用前景。關(guān)鍵詞：誘發(fā)電位；小波分析；去噪；獨(dú)立分量分析 I 快速提取誘發(fā)腦電算法的研究AbstractThere are many kinds of artifacts in the raw brain signals from scalp, such as eyes blinks, Electrocardiograph, electromyography and other mechanical noises, which could degenerate the real evoked potentials(EP). How to extract the underlying evoked potentials from noisy acquired data has became an important and urgent problem to be resolved.This paper describes two kinds of new rapid extraction algorithm Evoked Potentials – wavelet analysis and independent ponent analysis. Wavelet analysis theory is a new theory of signal process and it has good localization in both frequency and time domains. It makes the wavelet analysis suitable for timefrequency analysis. Using wavelet methods in denoising, is an important aspect in the application of wavelet analysis. The fundamental principles of Independent Component Analysis (ICA) is through analysis of highranking statistical correlation between multidimensional observation data, find mutually independent implicit message content, plete removal of a high redundancy and independent sources extraction letter.This paper first introduced the principle of wavelet analysis and independent ponent analysis algorithm in detail, also explained the two methods applied in signal processing. second, use the wavelet threshold method and the independent ponent analysis algorithm FastICA EP on a pure noise signal added after denoising, the example verify the theoretical practical effect, also confirmed the reliability of the theoretical.Key Words：EP；wavelet analysis；noise rejection；Independent Component Analysis24目 錄摘 要 IAbstract II1 緒論 1 課題的背景與研究意義 1 1 22 基于小波變換去噪研究 3 小波變換 3 連續(xù)小波變換 4 離散小波變換 5 小波閾值去噪概述 5 小波閾值去噪方法 6 7 83 基于獨(dú)立分量分析的去噪研究 10 獨(dú)立分量分析 10 ICA定點(diǎn)算法的實(shí)現(xiàn) 10 數(shù)據(jù)的預(yù)處理 11 ICA固定點(diǎn)算法 12 固定點(diǎn)ICA算法的程序?qū)崿F(xiàn)和仿真 14 小結(jié) 16結(jié) 論 17參 考 文 獻(xiàn) 19附錄 20致 謝 23快速提取誘發(fā)腦電算法的研究1 緒論 課題的背景與研究意義人腦具有電活動(dòng)，這是Hans Berger于1924年首先發(fā)現(xiàn)的，并命名為腦電圖。ICA的根本原理是通過分析多維觀測(cè)數(shù)據(jù)間的高階統(tǒng)計(jì)相關(guān)性，找出相互獨(dú)立的隱含信息成分，完成分量間高階冗余的去除及獨(dú)立信源的提取。小波分析理論是一種新興的信號(hào)處理理論，它在時(shí)間上和頻率上都有很好的局部性，這使得小波分析非常適合于時(shí)—頻分析，借助時(shí)—頻局部分析特性。如何從原始腦電中獲取大腦活動(dòng)的誘發(fā)信息成為腦電分析中有待解決的問題。大 連 民 族 學(xué) 院 本 科 畢 業(yè) 設(shè) 計(jì)（論 文）快速提取誘發(fā)腦電算法的研究學(xué) 院（系）：信息與通信工程學(xué)院 專 業(yè)： 通信工程專業(yè) 學(xué) 生 姓 名： 陸萬安 學(xué) 號(hào)： 2009081412 指 導(dǎo) 教 師： 李婷 評(píng) 閱 教 師： 姜明新 完 成 日 期： 2013年6月7日 大連民族學(xué)院快速提取誘發(fā)腦電算法的研究摘 要從頭皮采集的腦電信號(hào)中通常夾雜著不同種類的偽跡，主要如：眼電、心電、肌電、工頻干擾，它們主要來自一些生理源和噪聲源的影響。這些干擾很大程度上淹沒了微弱的誘發(fā)電位(EP)，給臨床應(yīng)用和科研分析帶來了極大的不便。本文介紹了兩種快速提取誘發(fā)腦電的新算法—小波分析和獨(dú)立分量分析。利用小波方法去噪，是小波分析應(yīng)用于實(shí)際的重要方面。本文首先詳細(xì)介紹小波分析去噪和獨(dú)立分量分析的原理的算法,同時(shí)闡述這兩種方法在信號(hào)處理中的運(yùn)用；其次利用小波閾值去噪法和獨(dú)立分量分析中的FastICA算法對(duì)一個(gè)純凈的EP信號(hào)加入噪聲之后進(jìn)行去噪處理，實(shí)例驗(yàn)證理論的實(shí)際效果，同時(shí)證實(shí)了理論的可靠性。誘發(fā)腦電信號(hào)（EP）是通過電極記錄下來的腦電細(xì)胞群的自發(fā)性、節(jié)律性電活動(dòng)，它包含了豐富的生理、心理及病理信息，對(duì)其作深入的研究有助于臨床醫(yī)生提高對(duì)大腦神經(jīng)系統(tǒng)損傷病變?cè)\斷和檢測(cè)的可靠性和準(zhǔn)確性，同時(shí)對(duì)于腦疾病診斷和檢測(cè)提供了有效的手段，所以腦電圖檢查在臨床診斷中起著越來越重要的作用[1]。通過研究人體處于不同生理狀態(tài)和不同腦功能狀態(tài)的腦電特征，可以了解腦電的不同工作機(jī)制。所以誘發(fā)腦電信號(hào)的分析及處理無論是在臨床上對(duì)一些腦疾病的診斷和治療，還是在腦認(rèn)知科學(xué)研究領(lǐng)域都是十分重要的。主要原因在于腦電產(chǎn)生于人的大腦之內(nèi)，機(jī)理復(fù)雜，并且強(qiáng)度很小，只有幾十V，不容易獲得[3]。腦電去噪是進(jìn)行腦電處理的一項(xiàng)重要內(nèi)容，普遍采用的方法是在信號(hào)處理領(lǐng)域占主導(dǎo)的傅立葉變換。后來隨著小波理論不斷發(fā)展與完善，小波在腦電信號(hào)去噪方面得到應(yīng)用。國內(nèi)在這方面的研究比較少，比較早