32导联的分布图-dbn深度置信网

图 2.4 32导联的分布图 2.1.4 脑电信号的分析方法 针对脑电信号的研究越来越趋向无创式研究，并且也相应的与现代社会的人文道 德相一致，然而这种无创性的脑电信号有着信噪比小，干扰大，针对采集环境要求高 等的特点，无疑增加了脑电信号的特征解析上的难度，因此，如何消除伪差，以及信 号的特征提取，从采集的生物电信号数据中获取反映人体各部位活动和状态的有用信 息是脑电信号分析研究中一个关键问题[27]。目前应用广泛的脑电信号分析技术有： 时域分析：直接从时间域上得出信号的特征是最直观，最简单的方法，有：直方 图分析、方差分析、相关系数分析等。另外，利用参数模型提取特征（例如 AR模型 等），也是脑电信号时域分析的一种手段。这些特征参数可用于 EEG信号的分类，识 别和跟踪等。例如 P300和 N400信号就带有很明显的时域特征，首先可以由时域着 手进而深入的分析信号的特征[28]。 频域分析：脑电信号的频率集中分布在 0.5-30Hz，频域特征比较明显，功率谱估 计是频域分析的重要手段，它的目的在于将幅度随时间变化的时域脑电信号转换成脑 电功率随频率变化的频域信号，从而可以直观的看到脑电频率的分布与变换情况，例 如事件相关同步（ERD）或事件相关去同步（ERS）信号，在运动想象的脑电信号中， 想象某侧肢体的运动导致同/对侧感觉运动皮层的μ/β节律幅度的升高/降低[29]。这样在 分析脑电信号的时候就可以针对μ/β节律的两侧想象运动的信号进行功率谱分析，可 以得出不同运动想象的特征。