睡意状态脑电信号分析摘要 (2)第一章绪论 (3)1.1 睡意状态脑电信号分析课程设计的意义 (3)1.2睡意状态脑电信号分析课程设计要求 (3)1.3基本步骤 (3)第二章实验方案设计及论证 (4)2.1 设计理论依据 (4)2.1.1 脑电信号的产生机理 (4)2.1.2 脑电信号的生理特点 (4)2.1.3 脑电信号的频率和分类 (5)2.2 脑电信号的分析及处理方法 (5)2.2.1 信号的加载 (5)2.2.2 滤波器的设计原理 (6)2.2.3滤波器设计步骤 (6)2.2.4 脑电信号的功率谱分析 (6)2.2.5脑电信号的非线性分析——Tsallis熵 (6)2.3实验方案设计及论证 (7)2.3.1实验方案 (7)2.3.2方案论证 (7)第三章各功能模块设计及结果分析 (7)3.1载入原始数据 (7)3.2高通滤波器的设计 (8)3.3带通滤波器的设计及节律波的提取 (9)3.3.1Alpha节律 (9)3.3.2Beta节律 (11)3.3.3Theta节律 (14)3.3.4.Delta节律 (16)3.4实验结果分析 (19)第四章设计收获及心得体会 (19)参考文献 (21)附录：程序清单 (22)信号处理综合训练课程设计是基于数字信号处理，信号与线性系统的一门综合性课程设计。

信号处理是将信号以数字方式表示并处理的理论和技术。

数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。

数字信号处理的算法需要利用计算机或专用处理设备如数字信号处理器（DSP）和专用集成电路（ASIC）等。

数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点，这些都是模拟信号处理技术与设备所无法比拟的。

在本课程设计中，是基于对MATLAB的编程，以实现对睡意及清醒时的脑电信号分析，以实现提取睡意状态的脑电信号的Alpha节律，Beta节律，Theta 节律，Delta节律，并分别对其进行幅度平方特征，功率谱，Tsallis熵的分析。

MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple 并称为三大数学软件。

它在数学类科技应用软件中在数值计算方面首屈一指。

MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。

MATLAB的基本数据单位是矩阵，其强大的扩展功能为各个领域提供了有力的工具。

信号处理工具箱是MATLAB的一个有力工具。

信号处理工具箱中，MATLAB 提供了滤波器分析，滤波器实现，FIR滤波器的设计，IIR的滤波器设计，IIR 滤波器阶次估计，模拟低通滤波器原型设计，模拟滤波器设计，模拟滤波器变换，滤波器离散化，线性系统变换等方面的函数命令。

第一章绪论1.1睡意状态脑电信号分析课程设计的意义所谓睡意是指人体睡着的倾向。

睡意检测是指能够通过某种手段对被测对象是否处于睡眠状态作出的判断。

在许多危险性操作环境，要求操作人员时刻保持清醒的状态，然而，现实生活中，由于工作机械重复，睡眠及清醒时段长期紊乱，卡车司机等工作时间不规律的人群经常发生在工作时段产生睡意的倾向，并因此产生大量事故，甚至危害生命。

脑电信号反应了大脑的工作状态。

研究表明，在清醒——睡眠过程中，随着睡意的来临，脑电型号会呈现不同的节律变化。

因此，可以利用对睡意状态的脑电信号的特征分析，实现睡意状态的实时可靠检测。

1.2睡意状态的脑电信号分析课设要求利用多导生理记录仪采集清醒和睡意状态的脑电型号，用MATLAB软件分析与处理脑电信号，熟悉信号处理的相关流程和基础知识。

要求如下：1.睡意检测实验与脑电信号数据采集2.设计滤波器，实现对脑电信号的预处理3.脑电信号的特征提取（1）提取睡意状态的脑电信号的Alpha节律，Theta节律，Beta节律，Delta 节律；（2）计算脑电节律波幅度的平方特征；（3）脑电信号节律波的功率谱分析；（4）应用Tsallis熵对脑电信号进行非线性分析。

4.分析从清醒到睡眠状态脑电信号的特征变化情况。

1.3基本步骤1.理论依据根据设计要求分析系统功能，掌握设计中所需理论（滤波器的设计，需要处理的部分，Alpha，Beta，Theta，Delta的提取，幅值平方，功率谱的计算，Tsallis 熵的算法），阐明设计原理。

2．信号采集数据老师已给出，采用对应的X19号数据。

3．可能出现的干扰（1）基线漂移频率约小于0.1HZ。

（2）工频干扰频率约为50HZ4.滤波器的设计根据可能出现的干扰频率，选用合适的滤波器进行滤波处理。

基线漂移可以采用高通滤波器，而工频干扰在提取不同波段是可虑去。

5.信号处理对经过滤波器处理的Alpha节律，Beta节律，Theta节律，Delta节律，分别计算幅度的平方特征，功率谱，Tsallis熵进行非线性分析。

第二章实验方案设计及论证2.1设计理论依据2.1.1脑电信号的产生机理脑电信号是大脑组织电活动和大脑功能状态的综合反映，是一种机理相复杂的随机信号。

人类的大脑可以分为端脑、小脑、脑干和丘脑四部分。

端分为左右大脑半球，属于脑的最高级部分。

每个大脑半球又可以分为四叶：叶、颞叶、枕叶和顶叶。

大脑半球表面有一层灰质层，称为大脑皮质。

大脑质是很多高级神经活动的基础，这部分与脑电信号的研究关联最多。

大脑皮可以分为很多不同的区域，每个区域具有不同的功能。

人体各种功能的最高枢在大脑皮质上有相应的定位关系。

这些区域在执行相应功能的时候，会产相应电信号，这就是脑电信号。

2.1.2脑电信号的生理特点一般来说，处理信号时，需要了解处理信号的性质，这样才便于选择合适的处理方法。

脑电信号除了具有生物医学信号的一般特点之外，还有自己本身性质。

(1)随机性：生物医学信号表现出明显的随机性，一般不能用数学函数来准确表达，它们的规律主要从大量的统计结果中反映出来。

脑电信号是一种随机性很强的信号，随机性强是因为影响它的因素太多。

(2)非平稳性：脑电信号具有极强的非平稳性。

这是因为构成脑电信号的生理因素始终在变化，而且对外界影响有极强的自适应能力。

数字信号技术处理的前提是A/D转换，这就要求被处理信号必须是平稳信号。

(3)信号微弱，信噪比低：脑电信号一般只有50uv左右，最大100uv；与微弱的脑电信号相比，其背景噪声非常强。

噪声背景强是指非研究对象信号在观察中有强烈的表现。

(4)频率低，频域特征突出：各种生理参数如心电、脑电、肌电等生物电信号等非电信号等，都是低频率的慢变信号。

通常频率范围在低频段，脑电信号频率范围为0.5~l00Hz。

脑电信号的频域特征比较突出。

因此与其他生理信号相比，功率谱分析及各种频域处理技术在脑电信号处理中占有更重要的位置。

(5)非线性：生物组织的调节及适应机能必然影响到电生理信号具有非线性的特点。

其中Tsallis熵，是利用非线形方法得到的描述脑系统动力学的参数。

2.1.3脑电信号的频率和分类在HansBerger首次描述脑电活动时，就使用了频率的概念。

利用频谱分析的方法，可以准确地确定脑电图的频谱范围。

目前，公认的人类脑电活动的频率变化范围在0.5-30Hz之间。

通常把脑电的频率变化范围划分成几个频带，并用希腊字母表示各个子频带的脑电波。

(1)Delta波：频率1～4HZ，振幅约为20～200uv。

成人在清醒状态下一般没有6波，它只有在睡眠时出现，但在深度麻醉、缺氧或大脑有器质性病变时也可出现。

(2)Theta波：频率4.0～8HZ，振幅约100～150uv。

在困倦时一般即可见到，它的出现是中枢神经系统抑制状态的表现。

(3)Alpha波：它包括Alpha1(8.0～9.8HZ)和Alpha2(9.8～13HZ)两个频段，振幅约20～120uv。

在枕叶及顶叶后部记录到的Alpha波最为显著。

Alpha波在清醒安静阕目时出现，波幅是由小变大又由大变小的梭状模式。

睁眼思考问题时或接受其他刺激时，Alpha波消失，而出现其他快波。

(4)Beta波：包括Beta1(13.0～20.0HZ)和Beta2(20.0～30.0HZ)两个节律(频段)。

振幅为5～20uv。

安静闭目时主要在额叶出现。

如果被测者睁眼视物或者听到突然的音像或者进行思考时，皮层的其他部位也出现Beta波。

所以Beta波的出现一般代表大脑皮层兴奋。

2.2脑电信号的分析及处理方法2.2.1信号的加载在MATLAB中，采用load函数进行信号的加载处理，load(‘F:\x19.txt’),来将实验给出的脑电信号载入MATLAB 等待处理。

2.2.2滤波器的设计原理实验中主要采用的是数字滤波器，数字滤波是数字信号分析中最重要的组成部分之一，与模拟滤波相比，它具有精度和稳定性高、系统函数容易改变、灵活性强、便于大规模集成和可实现多维滤波等优点。

在信号的过滤、检测和参数的估计等方面，经典数字滤波器是使用最广泛的一种线性系统。

数字滤波器的作用是利用离散时间系统的特性对输入信号波形(或频谱)进行加工处理，或者说利用数字方法按预定的要求对信号进行变换。

2.2.3滤波器的设计步骤(1) 按照实际任务的要求，确定滤波器的性能指标。

(2) 用一个因果、稳定的离散线性时不变系统的系统函数去逼近这一性能指标。

根据不同的要求可以用IIR 系统函数，也可以用FIR 系统函数去逼近。

(3) 利用有限精度算法实现系统函数，包括结构选择、字长选择等。

2.2.4脑电信号的功率谱分析功率谱估计是数字信号处理的主要内容之一，主要研究在频域中的各种特征，目的是根据有限数据在频域内提取被淹没在噪声中的有用信号。

功率谱的计算基于对信号的傅里叶变换，现在通过快速傅里叶变换（FFT ）来计算离散傅里叶变换（DFT ），用DFT 的幅度平方来作为信号中功率的度量。

2.2.5脑电信号的非线性分析——Tsallis 熵Tsallis 熵是Shannon 熵的广义形式，可以度量信号序列内在的无序性，同时包含了丰富的幅度及频率信息，定义为：R q q TE n i q Pi ∈--=∑=,111)(由于引入了一个可以调节的参数q ，使得对信息的度量更具一般性和灵活性，q 选择不同的值，会给结果带来很大的影响，这也是以往的研究者用同样的熵进行类似的研究，结果又差异甚至是得出截然相反的结论的原因所在。

在Tsallis 熵中，当q>1，概率密度函数图形较窄，概率大的子序列占主导地位，q<1时，概率密度图形较宽，概率小的子序列占主导地位。

TE 的值反映了信号序列的无序程度，当TE 值较大时，说明脑电信号波形结构负载，幅度结构分散，而较小的TE 值说明信号幅度集中在某一个区域，脑电活动比较单一，更加有序。