EEG處理方法的研究

對磁刺激誘發EEG特徵分析及應用比較感興趣，雖課題組裏有做EEG分析的，但我的基礎薄弱，需要多學習–從中文綜述開始學起。
1 腦電信號處理方法的研究
大腦爲高級神經中樞系統，腦電信號是反映大腦神經元羣自發性、節律性的電生理活動信號，包含着重要的生理信息。對腦電信號進行深入的處理分析是提取腦電信息的重要手段，爲生物醫學、臨牀病症提供重要依據。文章主要鬼難熬電信的處理方法，對時頻分析、高級譜分析、人工神經網絡和非線性動力學分析等四種處理方法進行介紹，將國內外對應處理方法的應用結果加以展示，同時總結腦電研究的相關成果並提出腦電研究在當前社會的應用前景。
由腦部神經元活動產生的腦電信號可分爲三類：腦電圖信號、腦誘發電位信號和神經元細胞內外記錄信號（之前聽報告時有老師將信號分爲：自發電位、誘發電位、事件相關電位，與該文章的分類不同。不知道是二者同屬同一內容只是分類方法不同還是不同的概念）。腦電信號的應用已經從集中於醫學、神經等生理方向的研究擴展到神經病學、外科學、生物醫學、心理學、信號處理、計算機軟件與計算機應用技術等領域。關於腦電的研究方式也從單一的波形描述、腦電地形圖到多形態分析，不少國內外的科研機構從單獨腦電研究的初步探索階段邁向以腦電信號分析爲研究對象的綜合研究階段，提出許多具有價值的方法和技術。
腦電信號分析方法：腦電信號特徵提取的主要方法包括共空間模式(CSP)、AR模型、小波變換（WT）、功率譜密度分析（PSD）、混沌法，多維統計等方法。腦電信號具有非平穩、非線性等較爲突出的頻域（頻域即頻率域是描述信號在頻率方面特性是用到的一種座標系。橫軸是頻率，縱軸是該頻率信號的幅度，就是常說的頻譜圖。因爲信號不僅隨時間變化，還與頻率、相位等信息相關，這這就需要進一步分析信號的頻率結構，並在頻率中對信號進行描述。動態信號從時間域到頻率域主要通過傅里葉級數和傅里葉變換實現，週期信號靠傅里葉級數，非週期信號靠傅里葉變換）特徵。近年來，波形特徵描述、自迴歸AR模型、傅里葉變換、功率譜密度、雙譜分析、小波變換、人工神經網絡、非線性動力學分析等腦電分析方法得到了深入研究。其中時頻分析、高階譜分析、人工神經網絡和非線性動力學四種方法應用最爲廣泛。
1 時頻分析
較早應用的EEG分析方法是從時域中直接提取出其中有用波形特徵的信息，AR模型、方差分析（ANOVA單因素方差分析）、波形參數分析和波辨識、直方圖分析、相關分析、峯值檢測等都是研究中使用較多的時域分析方法。由於腦電信號在頻域比在時域更加簡單直觀，所以大多數研究是在頻域下進行。頻譜分析、倒頻譜分析、包絡分析、階比譜分析以及全系譜分析等方法時使用較多的頻域信號分析處理方法。有研究人員用功率譜中AR譜技術和FFT技術進行正常人的腦電圖和癲癇病人癇性分發作腦電圖進行比較，說明AR譜性能優於FFT功率譜，爲臨牀診療癲癇提供技術上的支持。有報道認爲，6階AR模擬擬合EEG信號，以LVQ神經網絡作爲分類器，通過比較網絡選擇不同參數對分類正確率的影響得到及競爭層神經元數目直接影響了正確率。馮春暉發現在不進行主成分分析的基礎上支%持向量機與CSSD的組合識別正確率最高達74%。
然而時域和頻域分析方法，主要運用與平穩信號分析。對於不平穩、非線性信號的分析，應用時域和頻域時，都難以提取出有效的特徵信息。時頻分析方法，彌補了時域和頻域分析方法在非線性信號分析的缺陷，能夠準確第提取到非線性信號隨時間變化的特徵信息。目前，在信號處理的工程領域和衆多學科當中，視頻分析的技術已被大範圍應用，比如語音分析、圖像識別、接卸設備故障診斷、生物工程等，在分析腦電信號時，腦電信號特徵的多分辨分析、波形辨識、誘發電位特徵提取、信號與處理等是視頻分析的主要應用領域。時頻分析提供頻域和時域的聯合分佈信息，清洗地闡明瞭信號頻率時變性，近年來受到越來越多的重視。