基于多變量符號(hào)轉(zhuǎn)移熵的生理電信號(hào)分析.pdf

1、生理電信號(hào)是人體各種生理參數(shù)的重要指標(biāo)，在臨床治療和診斷中有重要的作用。復(fù)雜度理論已成為研究生理電信號(hào)的熱點(diǎn)，而符號(hào)轉(zhuǎn)移熵是一種反映系統(tǒng)混亂程度的非線性指標(biāo)，在生理電信號(hào)特征提取的研究中發(fā)揮著越來越重要的作用。但是符號(hào)轉(zhuǎn)移熵一般都是用來衡量單個(gè)變量或者兩個(gè)變量之間的動(dòng)力學(xué)特征及方向性信息，忽略了多個(gè)變量之間相互作用。
　　本文主要做了以下工作：
　　一、在原有的多變量轉(zhuǎn)移熵的基礎(chǔ)上提出了多變量符號(hào)轉(zhuǎn)移熵。由于傳統(tǒng)的符號(hào)動(dòng)力學(xué)

2、使用的是靜態(tài)劃分的方式，雖然保留了動(dòng)力學(xué)特征，但是時(shí)間序列的非平穩(wěn)特性受到了嚴(yán)重影響，因此對(duì)傳統(tǒng)時(shí)間序列靜態(tài)劃分方法做出了改進(jìn)，即在原本就有的符號(hào)轉(zhuǎn)移熵的基礎(chǔ)上，創(chuàng)新性的將時(shí)間序列使用動(dòng)態(tài)自適應(yīng)分割的方式進(jìn)行符號(hào)化。
　　二、應(yīng)用多變量符號(hào)轉(zhuǎn)移熵算法對(duì)癲癇腦電以及注意力腦電進(jìn)行分析，實(shí)驗(yàn)中通過選取最佳導(dǎo)聯(lián)對(duì)和最佳數(shù)據(jù)長度來確定最終的多變量符號(hào)轉(zhuǎn)移熵值，實(shí)驗(yàn)結(jié)果證明該算法能夠有效區(qū)分正常人以及癲癇病人，有效區(qū)分腦電中的計(jì)數(shù)狀態(tài)和閉眼