【畢業(yè)學(xué)位論文】（Word原稿）基于單導(dǎo)腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn)-計(jì)算機(jī)軟件與理論

分類(lèi)號(hào)： 密級(jí)： 研 究 生 學(xué) 位 論 文 論文題目（中文） 基于 單導(dǎo) 腦電信號(hào)的在線 壓力 監(jiān)測(cè)系統(tǒng) 研究與實(shí)現(xiàn) 論文題目（外文） 生 姓 名 趙國(guó)慶 學(xué)科、專(zhuān)業(yè) 計(jì)算機(jī)軟件與理論 研 究 方 向 情感計(jì)算 學(xué) 位 級(jí) 別 碩 士 導(dǎo)師姓名、職稱(chēng) 胡斌 教授 論文 工作 起 止 年 月 2012 年 3 月至 2013 年 5 月 論文提交日期 2013 年 4 月 論文答辯日期 2013 年 5 月 學(xué)位授予日期 校址：甘肅省蘭州市 天水南路 222 號(hào) 原 創(chuàng) 性 聲 明 本人鄭重聲明：本人所呈交的學(xué)位論文，是在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的成果。學(xué)位論文中凡引用他人已經(jīng)發(fā)表或未發(fā)表的成果、數(shù)據(jù)、觀點(diǎn)等，均已明確注明出處。除文中已經(jīng)注明引用的內(nèi)容外，不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的科研成果。對(duì)本文的研究成果做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。 本 聲明的法律責(zé)任由本人承擔(dān)。 論文作者簽名： 日 期： 關(guān)于學(xué)位論文使用授權(quán)的聲明 本人在導(dǎo)師指導(dǎo)下所完成的論文及相關(guān)的職務(wù)作品，知識(shí)產(chǎn)權(quán)歸屬蘭州大學(xué)。 本人完全了解蘭州大學(xué)有關(guān)保存、使用學(xué)位論文的規(guī)定，同意學(xué)校保存或向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的 紙質(zhì)版 和電子版，允許論文被查閱和借閱；本人授權(quán)蘭州大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用任何復(fù)制手段保存和匯編本學(xué)位論文。 本人離校后發(fā)表、 使用學(xué)位論文或與該論文直接相關(guān)的學(xué)術(shù)論文或成果時(shí)，第一署名單位仍然為蘭州大學(xué)。 本學(xué)位論文研究?jī)?nèi)容： 可以公開(kāi) 不易公開(kāi)，已在學(xué)位辦公室辦理保密申請(qǐng)，解密后適用本授權(quán)書(shū)。 （請(qǐng)?jiān)谝陨线x項(xiàng)內(nèi)選擇其中一項(xiàng)打“ ”） 論文作者簽名： 導(dǎo)師簽名： 日 期： 日 期： I 基于 單導(dǎo) 腦電 信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 中文摘要 社會(huì)經(jīng) 濟(jì)的飛速發(fā)展使得人們面臨的工作、生活和性格中 的 壓力劇增。如何在進(jìn)一步發(fā)展為精神紊亂病癥之前，發(fā)現(xiàn)壓力并及時(shí)采取措施是十分必要的。例如，壓力的監(jiān)測(cè)在檢測(cè)和干預(yù)抑郁癥過(guò)程中起到了關(guān)鍵的作用。 傳統(tǒng)的壓力監(jiān)測(cè)手段是通過(guò)各種用戶(hù)自評(píng)量表，但 它 的突出問(wèn)題是難以避免的主觀性。 同時(shí)，缺乏一套可應(yīng)用于日常生活中的壓力監(jiān)測(cè)系統(tǒng) 。 為了能夠 在日常應(yīng)用中 準(zhǔn)確 客觀的 對(duì)壓力進(jìn)行監(jiān)測(cè) ， 本文 開(kāi)發(fā)了一套在線壓力監(jiān)測(cè)系統(tǒng) 。 本系統(tǒng) 通過(guò) 采集 電信號(hào) ， 能夠 對(duì)用戶(hù)的壓力狀態(tài)進(jìn)行客觀的評(píng)價(jià)并進(jìn)行長(zhǎng)期在線監(jiān)測(cè)，同時(shí) 可 輔助醫(yī)師對(duì)用戶(hù)狀態(tài)進(jìn) 行 評(píng)估 。 系統(tǒng)采用 c/s 框架，基于 議，客戶(hù)端分為用戶(hù)界面和醫(yī)師界面 ，用戶(hù)界面包括信號(hào)采集 、量表填寫(xiě)、歷史記錄查看、醫(yī)師交互模塊。醫(yī)師界面包括查看用戶(hù)歷史記錄和與用戶(hù)交互模塊。 服務(wù)器端主要負(fù)責(zé)對(duì)用戶(hù) 數(shù)據(jù) 進(jìn)行有效管理， 以及腦電信號(hào)的處理 。 本文 通過(guò) 實(shí)驗(yàn)， 選擇出 系統(tǒng)中使用的 有效的 腦電特征和算法 。 首先 采集被試腦電信號(hào)，進(jìn)行去噪、特征提取和分類(lèi)， 篩選出三個(gè)對(duì)壓力分類(lèi)有效地腦電信號(hào)特征（分別是 雜度， 對(duì)功率， 對(duì)功率 /對(duì)功率） ，并通過(guò) 結(jié)果 對(duì)比最終確定 的分 類(lèi)算法 。 為了直觀的顯示壓力水平， 引入了壓力指數(shù) 這一概念 。 關(guān)鍵 詞 ： 腦電 ， 壓力 ， 抑郁風(fēng)險(xiǎn)， 在線監(jiān)測(cè) n he of to to of a in of of he of is a of is of we an be in In to in we a By EG pz of at to is of as EG of EG in an of to By as in we 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 目 錄 中文摘要 . I . 一章 緒論 . 1 精神健康 . 1 壓力與健康 . 1 統(tǒng)壓力監(jiān)測(cè)手段 . 2 腦電信號(hào)與壓力監(jiān)測(cè) . 2 電介紹 . 2 電與壓力相關(guān)研究 . 5 于腦電的在線壓力監(jiān)測(cè)系統(tǒng) . 6 主要工作 . 7 論文 結(jié)構(gòu) . 7 第二章 腦電在壓力監(jiān)測(cè)中的處理流程與方法 . 8 噪方法 . 8 電信號(hào)的特征提取 . 9 波段功率、中心頻率及功率比 . 9 . 9 Z 復(fù)雜度 . 10 0 復(fù)雜度 . 11 大 . 12 類(lèi)過(guò)程 . 13 最近鄰分類(lèi)算法 (. 13 素貝葉斯分類(lèi)器 . 14 蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 第三章 壓力監(jiān)測(cè)系統(tǒng)設(shè)計(jì) . 15 統(tǒng)功能目標(biāo) . 15 電采集方案 . 16 統(tǒng)結(jié)構(gòu)設(shè)計(jì) . 17 統(tǒng)體系結(jié)構(gòu)設(shè)計(jì) . 17 統(tǒng)邏輯結(jié)構(gòu)設(shè)計(jì) . 20 統(tǒng)框架 . 21 戶(hù)端 . 22 務(wù)器端 . 22 生端 . 23 據(jù)庫(kù)設(shè)計(jì) . 23 第四章 壓力監(jiān)測(cè)系統(tǒng)特征及算法選擇過(guò)程 . 28 類(lèi)結(jié)果及分析 . 28 力特征及分類(lèi)算法選擇 . 32 力指數(shù)的計(jì)算 . 32 第五章 壓力監(jiān)測(cè)系統(tǒng)實(shí)現(xiàn) . 33 統(tǒng)開(kāi)發(fā)平臺(tái)及相關(guān)技術(shù) . 33 件及驅(qū)動(dòng)模塊 . 33 務(wù)器端實(shí)現(xiàn) . 33 據(jù)庫(kù)操作模塊 . 35 戶(hù)注冊(cè)登陸模塊 . 35 號(hào)文件上傳與處 理 . 36 戶(hù)端實(shí)現(xiàn) . 37 統(tǒng)可擴(kuò)展性 . 41 第六章 總結(jié)與展望 . 42 參考文獻(xiàn) . 43 蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 在學(xué)期間的研究成果 . 46 致 謝 . 47 蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 1 第一章 緒論 精神健康 健康不止包括身體健康，也包括精神健康 ， 已經(jīng)得到 廣泛的認(rèn)同 。 然而 隨著生活節(jié)奏的加快，人們不得不承受更大的壓力， 精神疾病已經(jīng)成為導(dǎo)致亞健康和生活障礙的主要因素之一 。尤其是 以 抑郁癥為代表的精神疾病，已經(jīng)在全球范圍內(nèi)占有高達(dá) 11%的發(fā)病率，這意味著全球已經(jīng)有高達(dá) 1。 中國(guó)各類(lèi)精神疾病的總患病率在全國(guó)已上升到 17 5 2，在疾病負(fù)擔(dān)的排名 中，已經(jīng)超越心腦血管、呼吸系統(tǒng)及惡性腫瘤等，在總負(fù)擔(dān)中 排名首位 ，其中抑郁癥患者超過(guò)了 2600萬(wàn) 。 比較嚴(yán)峻的問(wèn)題是， 抑郁癥患者中有 65% 80%的病人會(huì)出現(xiàn)自殺意念，45% 55%的病人會(huì)出現(xiàn)自殺行為，嚴(yán)重抑郁癥患者中有 15%自殺身亡，每年自殺死亡人數(shù)估計(jì)高達(dá) 100萬(wàn)人 3。在中國(guó)，抑郁癥患者的自殺率為 10 可見(jiàn)精神疾病已成為一個(gè)全球的社會(huì)和公共衛(wèi)生問(wèn)題 ，每年各種精神疾病的費(fèi)用極高，美國(guó)總的健康費(fèi)用中 4%用于治療抑郁障礙， 高達(dá) 430億美元 3。 我國(guó)用于神經(jīng)精神疾病方面的費(fèi)用約占我國(guó)疾病總負(fù)擔(dān)的 1/5，排名居首位。衛(wèi)生部預(yù)測(cè)，到 2020年，這一比例 將上升到 1/44。 雖然精神疾病的患病率如此之高，但就診率卻僅有 9 2，特別是在一些二線、三線城市以及偏遠(yuǎn)地區(qū)，仍有大量精神疾病患者沒(méi)有得到及時(shí)、有效和持續(xù)的治療 5。 世界范圍內(nèi)，精神障礙 很大程度上 加重了疾病的負(fù)擔(dān)。 精神健康障礙已成為嚴(yán)重而又耗資巨大的全球性衛(wèi)生問(wèn)題。我國(guó)已將加強(qiáng)重性精神疾病防治、建立心理衛(wèi)生服務(wù)制度納入加強(qiáng)和創(chuàng)新社會(huì)管理工作的重要內(nèi)容。 因此，關(guān)注精神健康刻不容緩。 壓力與 健康 壓力 通常是指 精神壓力， 隨著生活節(jié)奏的日益加快和 社會(huì)競(jìng)爭(zhēng)的日益加劇，人們需要承受的生理和心理 方面的壓力越來(lái)越大 。 長(zhǎng)期 壓力過(guò)大 可能 導(dǎo)致很多種疾病， 例如 ： 一、 壓力大損害皮膚 ，長(zhǎng)期的壓力可能會(huì)導(dǎo)致皮膚失去水分，出現(xiàn)皺紋等，對(duì)女性來(lái)說(shuō)尤為明顯。 蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 2 二 、壓力 過(guò)大 引發(fā)精神疾?。?最主要的表現(xiàn)是抑郁 ，主要癥狀包括精神低落、興趣喪失、睡眠紊亂，嚴(yán)重的產(chǎn)生自殺年頭 。 三 、 長(zhǎng)期 的精神壓力 可能 會(huì)引發(fā) 身體 疾病，如高血壓、冠心病、 糖尿病、 消化道疾病等 ，此外，極端和長(zhǎng)期的壓力使得血液中的血小板降低，從而造成免疫系統(tǒng)紊亂，最終危害身體健康 。 四、壓力大會(huì)損傷大腦。 壓力會(huì)導(dǎo)致精神緊張，甚至失眠，長(zhǎng)此以往 ， 可能會(huì)出現(xiàn) 頭痛、記憶力 衰退 等不良反應(yīng)。 生活中，人們 會(huì)感受到來(lái)自工作、學(xué)習(xí)、生活等各方面的 巨大壓力。 如果這些壓力長(zhǎng)期得不到緩解可能會(huì)導(dǎo)致上述幾種疾病， 對(duì) 人的身心健康造成極大 危害。 生活中需要盡早發(fā)現(xiàn)壓力，并盡早得到釋放，以避免壓力進(jìn)一步影響人的身心健康。 統(tǒng)壓力監(jiān)測(cè)手段 目前主要通過(guò)量表手段來(lái)診斷壓力。作為一種測(cè)量工具，量表 被設(shè)計(jì)成一系列問(wèn)題和說(shuō)明 ， 試圖確定主觀的，對(duì)抽象的概念 定量化測(cè)量的程序，對(duì)事物的特性變量 根據(jù) 不同的規(guī)則分配數(shù)字， 從而形成不同測(cè)量水平的 量表，又稱(chēng) 之 為測(cè)量尺度。常見(jiàn)的壓力診斷量表有 慮 自評(píng)量表、心理健康臨床癥狀自評(píng)測(cè)驗(yàn) (。 作為一種研究工具，量表需要信度和效度作為保證。信度（ 可靠性，它是指 使用 同樣的方法對(duì)同一對(duì)象 多次 重復(fù)測(cè)量時(shí)所得 到 結(jié)果的一致性 的 程度。效度（ 指有效性， 是指測(cè)量工具或手段 對(duì)所以測(cè)量事物能夠進(jìn)行準(zhǔn)確測(cè)量的程度 。 正因?yàn)榱勘硇枰哦群托Ф茸鳛楸ＷC，對(duì)象在填寫(xiě)過(guò)程中可能遇到的問(wèn)題有 ： 1、對(duì)問(wèn)題理解不夠清晰； 2、胡亂填寫(xiě)； 3、太過(guò)主觀。 這些都是需要避免的。 腦電 信號(hào) 與壓力監(jiān)測(cè) 電 介紹 腦電圖（ 于 1929 年 被德國(guó)精神病學(xué)家 是通過(guò)醫(yī)學(xué)儀器腦電圖描記儀將人 腦 細(xì)胞群自發(fā)的、節(jié)律性的點(diǎn)活動(dòng) 放大并 記錄而得到的曲線圖。 圖 1 蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 3 圖 1腦電信號(hào)示例 根據(jù) 不同 頻率，腦電圖通常被劃分為四個(gè)波段： 0 8 13 當(dāng)人進(jìn)入深度睡眠階段，會(huì)產(chǎn)生此波段的腦電波 。 當(dāng)人開(kāi)始睡意朦朧詩(shī)，即進(jìn)入睡眠 的初期階段是，會(huì)產(chǎn)生 心神專(zhuān)注的時(shí)候 ，或者 處于完全 非常 的精神狀態(tài) 下 的時(shí)候 產(chǎn)生 的腦電波。在 完全放松 狀態(tài)時(shí)， 人類(lèi) 的大腦 能 夠更加快捷有效 地吸收 處理信息。 通常，當(dāng)我們 作某種沉思或傾聽(tīng)令人放松的音樂(lè) 時(shí)，會(huì)處于此狀態(tài) 。 對(duì)于此波段有一個(gè)奇妙的應(yīng)用，即 “快速學(xué)習(xí)” 的 技巧，就是 在 許多巴洛克音樂(lè)作品下 的速度 ，因?yàn)檫@種作品 每分鐘 60與大腦處于 完全范松 狀態(tài)下“波長(zhǎng)”是相似的。 人 在通常的、日常清醒狀態(tài)下 腦電波情況 的反映 。 是一般 正常狀態(tài)下大腦 搏動(dòng) 的 狀況 。 在這種 自然 狀態(tài)下， 人 的邏輯思維會(huì)加強(qiáng)，也 會(huì)出現(xiàn)分析以及意識(shí)活動(dòng)。 當(dāng) 注意力集中 、 人體 頭腦警覺(jué) 、行動(dòng) 高 效 時(shí)， 時(shí)會(huì) 占據(jù) 腦電波主要成分 。 同時(shí)當(dāng)人體 出現(xiàn) 一些比較大的情緒波動(dòng)如 煩惱、氣憤、恐懼、緊張以及興奮狀態(tài) 或焦慮不安 ，也會(huì)誘發(fā) 根據(jù)檢測(cè)手段不同，腦電的監(jiān)測(cè)可分為頭皮監(jiān)測(cè)，植入式監(jiān)測(cè)。 目前頭皮 規(guī)腦電圖 、 視頻腦電圖 和動(dòng)態(tài)腦電圖 三種類(lèi)型。 目前常用的電極位點(diǎn)的劃分參照國(guó)際 10腦電研究中，它是 一個(gè)國(guó)際通用的，描述在大腦頭皮上安裝貼片位置的標(biāo)準(zhǔn) 。 由于各個(gè)電極間的間距均以 10%和 20%來(lái)衡量，故得名 10電極位點(diǎn)的命名規(guī)則為：首字母為電極所在分區(qū)的第一個(gè)字母，而電極名稱(chēng)中的接近中線的以較小數(shù)字來(lái)表示，接近外蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 4 側(cè)的以較大數(shù)字表示，另外，為左側(cè)為奇數(shù)，位于右側(cè)為偶數(shù)。 圖 110統(tǒng) 目前，腦電的應(yīng)用主要有以下領(lǐng)域。 腦機(jī)接口。大腦 - 計(jì)算機(jī)接口 ( , 簡(jiǎn)稱(chēng)腦機(jī)接口 ,它是 一種不依賴(lài)于 大 腦的正常輸出通路 ( 如 外周神經(jīng) 、口腔 和肌肉 ) 的腦 - 機(jī) ( 計(jì)算機(jī)或其他裝置 ) 通訊系統(tǒng) 。 腦機(jī)接口的出現(xiàn) , 使得用人腦信號(hào)直接控制外部設(shè)備的想法成為可能 ， 例如在 6中，作者后利用腦機(jī)接口實(shí)現(xiàn)了對(duì)假肢的控制。 睡眠分析。在睡眠 的不同 過(guò)程中， 人的 腦電圖 會(huì) 發(fā)生 不同變化，這些變化隨著睡眠 深度 的不同 而不同。根據(jù) 觀測(cè)到 腦電圖特征 的不同 ，又 可以 將睡眠分為兩種狀態(tài)： 非快動(dòng)眼 睡眠 期 和 快動(dòng)眼 睡眠 期 ，二者 是以 眼球 是否發(fā)生陣發(fā)性快速運(yùn)動(dòng)和不同的腦電 特征相區(qū)別 ,在 7中，作者提出了一個(gè)基于腦電信號(hào)的遠(yuǎn)程睡眠質(zhì)量分析系統(tǒng) 。 情感學(xué)習(xí)。 人在學(xué)習(xí)的過(guò)程中情感會(huì)發(fā)生變化，這又會(huì)進(jìn)一步影響學(xué)習(xí)的效率。 情感學(xué)習(xí)旨在處理 人在學(xué)習(xí)過(guò)程中 情感的變化 ，并通過(guò)分析與處理生物信號(hào)(包括腦電信號(hào) )， 結(jié)合學(xué)習(xí)過(guò)程中的上下文關(guān)系，以期建立學(xué)習(xí)中的情感與生物電新后的關(guān)系 ， 方便 監(jiān)測(cè)學(xué)習(xí)者的興趣 及注意力 等情感特征，最終為網(wǎng)絡(luò)學(xué)習(xí)、智能推薦或 遠(yuǎn)程教育等提供輔助。 身份識(shí)別。腦電信號(hào)在身份識(shí)別中有它獨(dú)特的優(yōu)點(diǎn)， 第一 ，每個(gè)個(gè)體都會(huì)產(chǎn)生腦電信號(hào)； 第二 ，腦電圖是獨(dú)立存在的，它不能被偽造或模仿；第三，現(xiàn)有測(cè)量手段可以很方便地采用非侵入式在 頭皮采集腦電信號(hào)。在一個(gè)關(guān)于身份識(shí)別的研究中 8，呈現(xiàn) 的系統(tǒng) 準(zhǔn)確率能夠達(dá)到 進(jìn)一步驗(yàn)證了腦電進(jìn)行身份識(shí)別蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 5 的可行性。 癲癇診斷與治療 。腦電圖是癲癇診斷和治療中最重要的一項(xiàng)檢查工具，盡管高分辨率的解剖和功能影像學(xué)在不斷的發(fā)展，但 是 在癲癇的診治中 知發(fā)作間期癲癇樣放電（ 診斷癲癇的重要依據(jù)。 壓力與情緒判斷。關(guān)于情感的 神經(jīng)電生理 的一個(gè)主要研究方面是左右半腦的分工，人的左半腦更多的參與處理積極的情緒或活動(dòng)，而右半腦更多的參與處理消極和負(fù)面的情緒和活動(dòng) 9,10。 常用的腦電分析方法包括： 1、現(xiàn)代譜分析技術(shù)：參數(shù)模型估計(jì)及譜 參量分析，（如 數(shù)模型譜估計(jì)、自適應(yīng)卡爾曼濾波），雙譜分析，維格納分布，小波 包 變換。 功率譜分析是 號(hào)處理最常用工具 , 源于傅氏變換 , 它的前提是平穩(wěn)隨機(jī)信號(hào) , 對(duì)非平衡隨機(jī)信號(hào)而言 , 不同時(shí)刻的譜分析結(jié)果是不同的。目前常用的方法之一是以短時(shí)間斷數(shù)據(jù)的傅氏變換為基礎(chǔ)的周期法 , 具體做法是把實(shí)際淮信號(hào)在時(shí)域上分段 , 并看作是準(zhǔn)平穩(wěn)的 , 每段取傅氏變換后的幅頻特性平方再乘以適當(dāng)?shù)拇昂瘮?shù) , 作為該信號(hào)的功率譜估計(jì) , 但 這種方 法頻率分辨率 較 差 , 因而 存在邊瓣泄漏 , 譜估計(jì)方差大等問(wèn)題 11。 2、非 線性動(dòng)力學(xué)應(yīng)用：時(shí)間序列的表達(dá)，計(jì)算，計(jì)算腦電的復(fù)雜度， 數(shù)的計(jì)算。 目前對(duì) 號(hào)研究集中在時(shí)域和頻域內(nèi) , 腦電信號(hào)的特征與大腦皮質(zhì)的活動(dòng)有很大關(guān)系 , 腦神經(jīng)細(xì)胞群電生理活動(dòng)在腦皮層或頭皮表面的總體反映 , 對(duì)外界環(huán)境有敏感的初始條件依賴(lài)性。非線性動(dòng)力學(xué)研究 中的顯著 特點(diǎn) , 就是由于變量的非線性耦合 , 可以 基于 少 量 實(shí)驗(yàn)的單一時(shí)間序列 來(lái) 構(gòu)建動(dòng)力學(xué)數(shù)學(xué)模型 ,以提取信息 , 即我們 能夠 從一維 時(shí)間序列 中 提取 大腦的多維動(dòng)力系統(tǒng) 信息 12,13。 電與壓力相關(guān)研究 已經(jīng)有很多關(guān)于腦電與壓力檢測(cè)的研究， 4, 5, 6, 7, 8等人在他們的研究中側(cè)重于人處于由于 考試，噪音和心理任務(wù) 等產(chǎn)生的壓力狀況下的大腦活動(dòng)。關(guān)于情感的 神經(jīng)電生理 的一個(gè)主要研究方面是左右半腦的分工，人的左半腦更多的參與處理積極的情緒或活動(dòng)，而右半腦更多的參與處理消極和負(fù)面的情緒和活動(dòng) 19,20，這種差異的典型表現(xiàn)就是額葉皮層在情緒處理中起著關(guān)鍵作用，這在研究前額葉腦電波的 極的情 緒或反應(yīng)會(huì)產(chǎn)生 相對(duì)較大的左前額葉的活動(dòng)（ 而消極的情緒或反應(yīng)會(huì)產(chǎn)生 相對(duì)較大的右側(cè)前額葉活動(dòng)（ 21。 蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 6 相關(guān)的腦成像研究也證明，通常負(fù)面的情緒會(huì)引發(fā) 前額葉皮層，杏仁核和絕緣層 的活動(dòng)，而 左前額皮層中激活與正面情緒 相關(guān) 22。 右側(cè)前額葉皮層 可能主要參與壓力的應(yīng)激反應(yīng)，因?yàn)樗?情感和警惕網(wǎng)絡(luò) 基礎(chǔ)組成部分。 一些研究表明，高 強(qiáng)度 的右側(cè)前額葉 活動(dòng) 與 負(fù)面情緒有關(guān)并且會(huì) 削弱免疫系統(tǒng) ， 例如， 前額葉活動(dòng) 不對(duì)稱(chēng)性 的差異 體現(xiàn)了個(gè)體處于不同的情感狀態(tài)19,20。值得注意的是， 前額葉 皮層可能 會(huì)起到調(diào)節(jié) 社會(huì)心理壓力 對(duì)人體 身心健康的影響程度 23,24。 左和右皮質(zhì)半球 的活動(dòng)對(duì) 影響也是有差異的，另外，這種不對(duì)稱(chēng)的程度 已被證實(shí)會(huì)在 慢性 壓力 條件 發(fā)生改變 25。通過(guò)對(duì)焦慮患者的觀察，發(fā)現(xiàn) 額極區(qū)域右半球的電活動(dòng) 更為活躍 26。 許多研究者提出，壓力與抑郁癥的發(fā)生是有關(guān)的。在 27中， 力和抑郁癥之間的 強(qiáng) 關(guān)聯(lián) 。根據(jù) 急性壓力相比，慢性壓力更能夠預(yù)測(cè)抑郁癥的發(fā)生 28。 也有許多研究利用腦電來(lái)研究精神疾病。 部和后部 腦電的不對(duì)稱(chēng)模式 對(duì) 焦慮和抑郁癥狀 預(yù)測(cè) 29，結(jié)果表明，相對(duì)右額葉腦電活動(dòng)可以預(yù)測(cè)未來(lái)發(fā)展的焦慮癥狀。 郁癥組比對(duì)照組有較高的 0。 于腦電的在線壓力監(jiān)測(cè)系統(tǒng) 近年來(lái)，隨著計(jì)算機(jī)網(wǎng)絡(luò)，無(wú)線網(wǎng)絡(luò)的覆蓋以及傳感器軟硬件技術(shù)的發(fā)展 ，產(chǎn)生了越來(lái)越多各種各樣的遠(yuǎn)程醫(yī)療 系統(tǒng)。 遠(yuǎn)程醫(yī)療 系統(tǒng)通常是指通過(guò)傳感器采集人體生理和物理上下文，連同環(huán)境上下文一起被具體應(yīng)用邏輯處理，實(shí)現(xiàn)對(duì)人體的健康狀況進(jìn)行實(shí)時(shí)監(jiān)控 并進(jìn)行診治 。 最早的 遠(yuǎn)程醫(yī)療 系統(tǒng)主要是采取電視健康的手段。 60年代初到 80年代中期 遠(yuǎn)程醫(yī)療 系統(tǒng)經(jīng)歷了緩慢的發(fā)展。 目前比較典型的應(yīng)用有老人防摔倒系統(tǒng)，兒童防走失系統(tǒng)等。 一個(gè)完整的健康監(jiān)測(cè)系統(tǒng)通常由傳感器，客戶(hù)端（如電腦，手機(jī)等）以及服務(wù)器端構(gòu)成 ，傳感器采集用戶(hù)的生物電信號(hào)，客戶(hù)端接收生物信號(hào)并做簡(jiǎn)單處理，發(fā)送至服務(wù)器做推理，推理完成后將結(jié)果反饋給客戶(hù)端。必要時(shí)需要引入醫(yī)生角色或者與醫(yī)院的醫(yī)療系統(tǒng)互聯(lián)。 許多研究中提出了 結(jié)合生物電信號(hào)的壓力監(jiān)測(cè) 系統(tǒng) 。例如， 23； 現(xiàn)了基于腦電 的壓力監(jiān)測(cè)系統(tǒng) 31； 有研究 建立了一個(gè)基于腦電的貝葉斯網(wǎng)絡(luò)模型，檢測(cè)司機(jī)在駕駛過(guò)程中的壓力狀況 32，以保障駕駛安全； 也有 通過(guò)檢測(cè)心電節(jié)律 來(lái)監(jiān)測(cè)壓力水平的研究 33， 它能夠 監(jiān)測(cè)工作中用戶(hù)的壓力水平，并將壓力結(jié)果發(fā)送給協(xié)調(diào)工作的機(jī)器人，以便機(jī)器人適當(dāng)做出反應(yīng)。除了這些生理信號(hào)外，可用于壓蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 7 力水平監(jiān)測(cè)的還有體溫，血壓，語(yǔ)音，皮質(zhì)醇水平和活動(dòng)水平等。 主要工作 針對(duì)上文中提到的心理壓力的嚴(yán)峻形勢(shì)和傳統(tǒng)壓力診斷手段的不足，本文通過(guò)對(duì) 壓力組和對(duì)照組被試的腦電信號(hào)進(jìn)行 處理 ，篩選出三個(gè)對(duì)壓力分類(lèi)有效地腦電信 號(hào)特征（分別是 并從 于這些理論依據(jù)，設(shè)計(jì)并開(kāi)發(fā)了基于 腦電 信號(hào)的在線壓力檢測(cè)系統(tǒng)。 “ 壓力 監(jiān)測(cè)系統(tǒng)”結(jié)合 腦電 信號(hào)，引入計(jì)算機(jī)處理手段，對(duì)用戶(hù)壓力狀態(tài)進(jìn)行客觀科學(xué)的評(píng)價(jià)，提供了一套方便可行的精神健康監(jiān)測(cè)平臺(tái)。 與相關(guān)系統(tǒng)相比，本系統(tǒng)具有如下 優(yōu)點(diǎn) ： 1）在線的壓力監(jiān)測(cè)。 2）引入 腦 信號(hào)進(jìn)行客觀的評(píng)價(jià)。通過(guò)對(duì) 腦電 信號(hào)的去噪、特征提取和數(shù)據(jù)挖掘，得到用戶(hù)的壓力水平； 3） 具有一定普適性 。 結(jié) 合實(shí)驗(yàn)室 自主開(kāi)發(fā) 的 非侵入式的生物電信號(hào)采集設(shè)備 ，只需前額一個(gè)電極，便可對(duì)壓力實(shí)現(xiàn)在線監(jiān)測(cè) ； 4） 友善的用戶(hù)交互界面 。 通過(guò)處理算法，將腦電信號(hào)直接映射為直觀的用戶(hù)可識(shí)別的壓力指數(shù) ，以圖形的形式展現(xiàn)給用戶(hù) 。 5）引入醫(yī)師角色。方便處于抑郁風(fēng)險(xiǎn)初期階段的用戶(hù)及時(shí)與醫(yī)師溝通，緩解壓力水平。 論文結(jié)構(gòu) 本文第一章為緒論部分， 對(duì)目前所面臨的 精神 健康問(wèn)題 進(jìn)行了闡述，對(duì) 研究并監(jiān)測(cè)壓力水平所需要的依托進(jìn)行了說(shuō)明 ， 介紹了腦電信號(hào)與壓力監(jiān)測(cè)，并對(duì)基于腦電信號(hào)進(jìn)行壓力監(jiān)測(cè)的相關(guān)研究和相應(yīng)的監(jiān)測(cè)系統(tǒng)做了介紹， 最后闡述了本研 究的主要工作。 第二章介紹了 基于腦電的壓力識(shí)別技術(shù)路線 及各特征提取及分類(lèi)算法 。第三章是實(shí)驗(yàn)設(shè)計(jì)和結(jié)果分析， 為了準(zhǔn)確有效地監(jiān)測(cè)壓力水平，需要相關(guān)的 理論依據(jù)。 第四章介紹 了 本文中基于 腦 電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)的總體設(shè)計(jì)，從宏觀角度描述了該系統(tǒng)的主要模塊。 第五章詳細(xì)介紹了本系統(tǒng)的編程和算法實(shí)現(xiàn)，并做了系統(tǒng)展示。 第 六 章是對(duì)本系統(tǒng)的討論和對(duì)未來(lái)研究的展望。 蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 8 第 二 章 腦電在 壓力監(jiān)測(cè) 中的 處理 流程 與 方法 為了保證系統(tǒng)有效地工作 ，需要確立對(duì)壓力分類(lèi)有效的腦電特征和分類(lèi)算法，并建立腦電特征數(shù)據(jù)庫(kù)以作為訓(xùn)練數(shù)據(jù)庫(kù)。 在本文壓力監(jiān)測(cè)系 統(tǒng)中的 腦電信號(hào)的 處理流程如圖 2 腦 電 采 集 腦 電 預(yù) 處 理 特 征 提 取被 試 人 群壓 力 特 征數(shù) 據(jù) 庫(kù)用 戶(hù) 腦 電 采 集 腦 電 預(yù) 處 理 特 征 提 取 分 類(lèi) 器 壓 力 水 平圖 2據(jù)處理流程 可以看出在本系統(tǒng)中有兩條數(shù)據(jù)處理流程，分別是數(shù)據(jù)庫(kù)的建立和實(shí)時(shí)識(shí)別。 在數(shù)據(jù)庫(kù)建立階段，可以分四步實(shí)現(xiàn)： 1、 通過(guò)腦電采集設(shè)備收集被試的原始腦電信號(hào) 。 2、 腦電特征與處理，主要是去除眼電噪聲和工頻噪聲 。 3、 特征提取 ，腦電波對(duì)壓力的檢測(cè)還處于研究階段，因此本實(shí)驗(yàn)首先提取出目前被廣泛應(yīng)用的腦電特征，主要包括線性特征和非線性特征兩大類(lèi)。 4、 壓力特征數(shù)據(jù)庫(kù)的建立，為了在實(shí)際中 使用壓力監(jiān)測(cè)系統(tǒng)，需要選擇有效地分類(lèi)器，并通過(guò)分類(lèi)器篩選出有效地腦電特征。因此本階段可以稱(chēng)為分類(lèi)階段，是整個(gè)系統(tǒng)能夠?qū)崿F(xiàn)的核心理論階段。 在實(shí)時(shí)使用階段，數(shù)據(jù)流程也可以分為四步，前兩步與數(shù)據(jù)庫(kù)建立階段一致，第三步只需提取出特定的有效腦電特征，第四部使用確定的分類(lèi)算法，得出用戶(hù)的壓力水平。 噪方法 人在 文章 34中提出了一種結(jié)合小波包變化及獨(dú)立變量分析的改進(jìn)去噪算法，該算法有效地解決了基于小波包變換時(shí)眼電干擾與 本文中我們采用此算法進(jìn)行去噪。 首先，應(yīng)用小波變換 對(duì)原始腦電信號(hào)進(jìn)行分解，使之分解成代表不同頻域的小波包系數(shù)，用與眼電干擾高度關(guān)聯(lián)的 節(jié)點(diǎn)系數(shù)重建腦電參考信號(hào)。 其次，應(yīng)用獨(dú)立成分分析，將原始腦電信號(hào)和眼電參考信號(hào)作為輸入，從原蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 9 始腦電信號(hào)中去除眼電干擾。 電信號(hào)的特征提取 本文中，我們提取了文獻(xiàn)中經(jīng)常 用 到的 腦電特征 ，用以進(jìn)一步篩選 ，主要包括線性特征和非線性特征兩大類(lèi)。線性特征 包括 中心頻率、 絕對(duì)、相對(duì)和最大功率 )以及各波段功率比；非線性特征 包括 大 波段功率、中心頻率及功率比 段的功率分別由快速傅里葉變換得出 。 各波段的相對(duì)功率為各波段的功率與所有波段的 總 功率 之 比 ， 因此相對(duì)功率 值 處于 0,1之間 。 中心頻率是 指 由快速傅里葉變換得出最大功率 時(shí)所處 的頻率。 功率比包括 比， 比， 比 。 由 961年提出 35。 能夠 用于 分析非平穩(wěn)過(guò)程 中 的時(shí)間序列。 其 數(shù)值越小， 表明組成 該 序列的成分越 簡(jiǎn)單 ，其數(shù)值越大，表明此信號(hào)越復(fù)雜。 它的 計(jì)算 過(guò)程 如下： 式 (2表概率分布為 當(dāng) 1時(shí)有： Ni lo g (* 一般 時(shí)間序列 的 歸一化分布維數(shù) 定義為： lo 10 蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 10 )/1lo g (lo 01 lo m a Z 復(fù)雜度 , 兩人于 1976 年在 36中提出的，能夠反映數(shù)據(jù)序列隨其長(zhǎng)度的增加出現(xiàn)新模式的速率，它廣泛應(yīng)用于非線性科學(xué)的研究中36給定一個(gè)待求字符串 ),.,S,(另一個(gè)字符串 ),.,( 21 定義 S 和 Q 的級(jí)聯(lián)，即 ),.,.,( 2121 nn 。定義 掉最后一個(gè)字符時(shí)得到的字符 串。判斷 一個(gè)子串，若 說(shuō)明 中復(fù)制的，這時(shí)把待求序列的下一個(gè)字符級(jí)聯(lián)到 Q 不是 示 時(shí)把 之后， S=造新的 Q，重復(fù)上述過(guò)程直到 序結(jié)束。每次 時(shí)，表示出現(xiàn)一種新的模式，用 如對(duì)于 S=(10101010)，應(yīng)用上面的方法可以得到 c(8)=3 個(gè)新模式： 1， 0 ， 101010。 它的計(jì)算機(jī)實(shí)現(xiàn)流程如下： 圖 4雜度的計(jì) 算機(jī)實(shí)現(xiàn)流程 蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 11 0 復(fù)雜度 雜度 作為 隨機(jī)性的一種表 達(dá)， 是徐京華等 42在腦電信號(hào)的實(shí)際分 析中提出的。 它 的主要思想是 將 復(fù)雜 的 時(shí)間序列分解 為規(guī)則和隨機(jī)兩 部分 ， 計(jì)算 隨機(jī)部分的平方與 整體 序列平方之比 。計(jì)算過(guò)程如下： 給定 長(zhǎng)度為 的時(shí)間序列 1, . . ,0),( ，則 1,.,2,1,0,)(1)( 102 為 相應(yīng) 的 傅立葉變換序列 ， 1i 是虛數(shù)單位。記 2 ，于是 )(以 寫(xiě)為： 1,.,2,1,0,)(1)( 10 設(shè) 1, . . . ,2,1,0),( 均方值為： 112)(1 引入 保留均方值 超過(guò) 將其余部分置 為零，則 ： ,0)(),()( 其中 正 整 數(shù)。 (2傅立葉逆變換 得 ： 1,.,0,)()( 10 于是 定義 102102)()()(0 蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 12 大 數(shù) 數(shù)是 用來(lái)衡量系統(tǒng)動(dòng)力學(xué) 的一個(gè)定量指標(biāo)，指數(shù)越大，混沌特性越明顯， 即 混沌 度越高。 小數(shù)據(jù)量法計(jì)算最大 數(shù) 的 步驟如下 : (1) 給定 時(shí)間序列 N,.),( ，i ， 計(jì)算出時(shí)間延遲和嵌入維數(shù) ，并 進(jìn)行相空間重構(gòu)。 ; (2) 用 傅立葉變換計(jì)算 序列 平均周期 P; (3) 根據(jù)時(shí)間延遲 嵌入維數(shù) 空間 重構(gòu) T A j *)1(,., (4) 找出相空間中并限制短暫分離 , 即 ),m 0( (5) 計(jì)算出 相空間中 的 每個(gè)點(diǎn)離 ),m i n (, . . . ,2,1(),m i n ()( (2(6) 對(duì) 于 每個(gè) i,求出 每個(gè) (ln 均值 , 即 qj 式中 q 為 非零 )( )(滯后 (7) 求斜率 ， 使用 最小二乘法 作 曲線擬合 : )( 1 1 為最大 蘭州大學(xué)碩士學(xué)位論文 基于 單導(dǎo) 腦電信號(hào)的在線壓力監(jiān)測(cè)系統(tǒng)研究與實(shí)現(xiàn) 13 類(lèi)過(guò)程 對(duì)腦電信號(hào)進(jìn)行去噪、提取出特征后，選擇數(shù)據(jù)挖掘里面的分類(lèi)算法，以找出腦電與壓力的關(guān)聯(lián)。 最近鄰分類(lèi)算法 (K 最近鄰分類(lèi) (法作為分類(lèi)方法，簡(jiǎn)稱(chēng) 于 20世紀(jì) 50 年代早期被首次提出 。 當(dāng)給定大量訓(xùn)練集時(shí) ，該方法 會(huì)產(chǎn)生較大的空間開(kāi)銷(xiāo)。 直到 20世紀(jì) 60年代 ，計(jì)算能力大大增強(qiáng) 后 ， 流行起來(lái)。此后它廣泛 應(yīng)用在 模式識(shí)別領(lǐng)域 中 。 最近鄰分類(lèi)法 學(xué)習(xí) 的，即給定一個(gè) 檢驗(yàn)元組 ，通過(guò)和與其相似的訓(xùn)練元組 比較，從而完成 學(xué)習(xí) 過(guò)程 。 當(dāng)訓(xùn)練元組由 每個(gè)元組 便 代表 的一個(gè)點(diǎn)。這樣， 可以認(rèn)為所有訓(xùn)練元祖都被放置 在 一個(gè)n 維模式 的空間里面 。當(dāng) 一個(gè)未知元組 到來(lái) 時(shí)， k 最近鄰分類(lèi)法 便 搜索該 n 維 模式空間，找出 與 未知元組 距離最接近 的 稱(chēng) 這 未知元組的 未知元組便屬于 鄰近性大小可以 用距離 來(lái)度量，常見(jiàn)的如歐氏 距離。 定義如下：給定兩個(gè) 元組 ),.,(X 112111 和 ),.,(X 222212 ，它們之間的歐氏距離為 ： ni (),( (2換言之，對(duì)于 元組中的每個(gè) 屬性，取元組 1X 和 2X 在 該屬性 上 對(duì)應(yīng)值的差，然后取差的平方進(jìn)行累計(jì)。最后取累計(jì)距離 的