积分商城

最新搜索： keil4 arm HDMI ADG1411 数字逻辑 STM32F103C8T6 12bitADC
您现在的位置是：首页 > 技术资料 > 脑电信号的标度分析及其在睡眠状态区分中的应用
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

脑电信号的标度分析及其在睡眠状态区分中的应用

更新时间：2020-06-26 11:39:32 大小：484K 上传用户：xuzhen1查看TA发布的资源 标签：脑电信号 下载积分：2分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

脑电信号具有长程幂律相关性及多重分形的标度特性，并随生理病理状态改变，本文首次针对睡眠脑电信号应用单重分形去趋势波动分析detrended fluctuation analysis，简记为DFA）方法与多重分形奇异谱对睡眠脑电信号的标度特征进行系统的对比研究，发现DFA标度指数ar对于不同导联和样本组间的差异较为敏感，随睡眠状态的变化不规律：而多重分形奇异强度区间Aa随睡眠状态的变化更为规律，睡眠1期至N期不断增大，并且导联间差异和样本组间差异均较小，多重分形Aa参数更适合作为判定睡眠状态的定量参数.

关键词：标度分析，多重分形，脑电图，睡眠分期

神经科学的研究发现，大脑神经元的连接具有

多重反馈回路，众多的神经元组之间也存在着复杂的相互作用，表明大脑是高度非线性的复杂系统.

因此开始将脑电信号electroencephalogram，简记为EEG）作为非线性复杂信号来进行研究.源于非线性动力学与统计物理的多种方法已经成功应用于各种脑电信号的研究7，非线性动力学系统的标度行为通常可以使用单重分形monofactal）或多重分形 nultifractal）测度进行描述-10]1单重分形信号是均匀的，整个信号都具有相同的标度特性，即从局部标度特性角度来说，单重分形是平稳的，因此相应的单重分形分析如基于Fourier变换、Hurst分析和去趋势波动分析detrended fluctuation analysis，简记为DFA）"1方法只估算一个指数描述给定的信号，而多重分形信号可以分解为具有不同分形维数的多个子集，因此需要大量的理论上是无限多的）指数来表示其标度特性，常用多重分形谱来对其进行描述，生理信号作为高度非线性复杂生理系统的输出也具有多重分形特性，如心电信号的RR间期、步态等已经被证明具有多重分形特性，而且往往与病理、白然衰老过程等相关0.11-13].近来，已有研究者尝试使用多重分形理论对EEG信号进行分析，并得到了一些很有意义的结论3.7本文首次针对酥眠EEG从单重分形和多重分形两个角度进行系统的对比研究，分别应用DFA和多重分形奇异谱对脑电信号的标度特性进行分析，研究这两种标度分析方法在睡眠状态区分中的应用.


部分文件列表

文件名 大小
脑电信号的标度分析及其在睡眠状态区分中的应用.pdf 484K

【关注公众号立即送20积分】

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号