基于多重小波神經網絡的EEG信號混沌動力學建模及其應用.pdf

1、腦電(Electroencephalogram,EEG)是大腦自身微弱的生物電經過腦電圖掃描儀放大記錄后的一種外在表現形式,是一種重要的臨床輔助診斷手段之一。但是由于以往分析手段的局限性,腦電的研究過程和研究結果一直沒有取得重要突破,在臨床應用中也逐漸被冷淡。近年來,大腦已經被證明是一種的典型混沌動力學系統(tǒng),腦電信號則是由它產生的混沌信號,呈現明顯的混沌特性,而不僅僅是一種隨機信號,所以從混沌動力學的角度進行腦電研究可以從本質上揭示腦電

2、的內在特性,從而可以更加有效地提取有用信息輔助醫(yī)學診斷,具有重大的實際意義。本論文正是基于這一目的,探討和研究了基于混沌動力學的腦電信號建模及其應用的一些問題。
　　從根本上來說,混沌動力學建模主要包括兩部分:相空間重構和非線性映射逼近。本文首先回顧了混沌動力學的一些基本概念,然后通過Lorenz混沌時間序列和實際腦電信號討論了混沌信號的相空間重構問題,主要包括時間延遲和最小嵌入維數m的選擇;接著介紹了非線性映射逼近時神經網絡的選

3、擇以及網絡的優(yōu)化問題,小波神經網絡由于其對任意非線性函數的優(yōu)秀逼近能力和快速的收斂速度近來獲得了廣泛應用,本文選擇自適應小波神經網絡作為非線性函數的逼近器并采用遺傳算法對其進行優(yōu)化。
　　最后從腦電的實際混沌動力學特性出發(fā),發(fā)現腦電信號是典型的參數可變混沌時間序列,呈現明顯的分段混沌動力學特性,從而提出了一種新穎的多重小波神經網絡模型,并采用隱馬爾可夫模型來模擬刻畫腦電信號混沌動力學特性在時間上的演化過程,然后通過不同的小波網絡分