精神疲劳状态下大脑对称区域EEG信号的信源熵分析.docx

精神疲劳状态下大脑对称区域EEG信号的信源熵分析.docx

《精神疲劳状态下大脑对称区域EEG信号的信源熵分析.docx》由会员分享，可在线阅读，更多相关《精神疲劳状态下大脑对称区域EEG信号的信源熵分析.docx（30页珍藏版）》请在冰豆网上搜索。

精神疲劳状态下大脑对称区域EEG信号的信源熵分析

摘要

探讨脑电信号与生理性精神疲劳之间的关系,研究生理性精神疲劳状态下的EEG信号的信源熵特征。

方法：

对不同程度的精神疲劳进行分级，并且研究相对应的脑电图信号进行信源熵分析，探讨在精神疲劳状态下的大脑EEG信号的变化规律。

利用现代数字信号的分析方法对大量非周期非线性的EEG信号进行数据的处理和分析，结果发现在不同精神疲劳状态下，EEG信号的信源熵均值以及信源熵的波动范围与人的疲劳状态密切相关，疲劳状态越严重，EEG信号均值越大，波动越不强烈，对比正常EEG信号信源熵显得更加的无序，反之亦成立。

该方法为EEG信号与生理性精神疲劳状态之间的关系的测定提供了新思路和新工具,在医学、认知科学和心理学中有广阔的发展前景。

关键词：

生理性精神疲劳，信号处理，疲劳评估，EEG信号

ABSTRACT

InvestigatethetherelationshipbetweenEEGsignalandphysiologicalmentalfatigue,StudyonphysiologicalmentalfatiguestateoftheEEGsignalsourceentropyfeature.Methods:

classifydifferentdegreesofmentalfatigueandStudyonthecorrespondingEEGsignalandanalysisentropyofthesource,InvestigatethevariationoftheEEGsignalsinthestateofmentalfatigue.UsingthemoderndigitalsignalanalysismethodtoprocesandanalysisalargenumberofnonperiodicandnonlinearEEGsignals'data,TheresultsfoundthatthesourceentropyoftheEEGsignalandthefluctuationrangeofthesourceentropyarecloselyrelatedwiththefatiguestateindifferentmentalfatiguestates,thestateoffatigueisthemoreseriousthegreaterthemeanoftheEEGsignalandthelessstrongoffluctuation,incontrasttonormalEEGsignalsourceofentropy,itappearsmoredisordered,andviceversa.ThemethodforthedeterminationoftherelationshipbetweentheEEGsignalsandphysiologicalmentalfatigue,providenewideasandnewtools,therearebroadprospectsfordevelopmentinthemedical,cognitivescienceandpsychology.

Keywords:

Physiologicalmentalfatigue,Signalprocessing，Fatigueassessment,EEGsignal

目录

1绪论1

1.1研究进展1

1.2本课题的研究内容和思路2

2生理性精神疲劳4

2.1精神疲劳的介绍4

2.2精神疲劳的评定4

2.3精神疲劳的确定6

3脑电（EEG）信号8

3.1脑电（EEG）信号的介绍8

3.1EEG信号的现代分析方法10

3.4脑电信号的特点11

4数据分析处理12

4.1信源熵12

4.2MATLAB简介12

4.3信号的预处理13

5数据的处理分析14

5.1状态1下EEG信号的信源熵15

5.2状态2下EEG信号的信源熵17

5.3状态3下EEG信号的信源熵19

5.4状态1和状态3下的对比分析21

5.5成果分析和讨论23

参考文献24

致谢26

1绪论

生理性精神疲劳作为现在社会中一些人的普遍现象，已经开始严重影响了人们的身心健康。

在现代工种作业中，尤其是实况监控、车辆驾驶、航空工程、高风险工种等行业，很多事故的发生都与生理性精神疲劳相关。

所以，认知到生理性精神疲劳的本质以及对精神疲劳程度进行分析和评估，有预防的对精神疲劳引其发生的事故是非常重要的，特别是科学技术水平的发展和人类科技水平的进步，体力劳动在现代生产中的百分比和强度都在不断下降，而脑力劳动和技术作业的百分比却在日益提高，可以看出，精神疲劳的隐患会愈加明显，所以，如何评测疲劳是一项非常重大而又具价值的课题。

本课题旨在对精神疲劳状态下的EEG信号的信源熵进行分析，从而能直观的表现出精神疲劳和EEG信号的关系。

脑电图（EEG）信号是人类最早的一个可以评估疲劳指标的程度，也已成为公认的最可靠的生活标准之一。

在这些研究中，其中大多数是通过监察精神疲劳的脑电信号来寻找直接关系。

虽然脑电图早已被发现，其变化的程度可以用来评估精神疲劳，但这种变化实际上是建立在觉醒水平的变化的基础上，在觉醒之前的变化，认知能力下降已经存在，但却不能确定。

目前，虽然许多研究人员使用和现代信号处理技术和信息理论的许多探索性分析脑电信号，但脑电波形的频率更深一层的意义仍然知之甚少，因此，这些结果与实际在线分析，仍有相当大的距离的应用需求。

本课题拟探讨不同生理性精神疲劳状态下大脑对称区域EEG信号的信源熵的变化特征。

1.1研究进展

早年，脑功能研究偏重理论，研究神经活动的基本过程，如神经信号如何产生和调制，神经信号如何在神经元之间传递，神经信号如何编码和加工，神经元是如何生长发育的。

后来，脑科学与人口和健康计划相衔接，研究脑疾病的发生、发展和治疗策略，并通过解析脑的高级认知功能和处理信息的独特机制。

目前，国内和国际的精神疲劳的研究仍处于起步阶段，即使是现在甚至心理疲劳的定义还不是很清楚。

国内对精神的疲劳基础研究几乎是空白的，在这个阶段的我们国家在这方面的研究文章中是非常小的，只有零星的驾驶疲劳和运动性疲劳的一些分析文章。

我国脑科学研究目前主要是把了解脑、保护脑和开发脑作为今后的研究内容，从而认识脑的原理和智能的起源，防治脑的疾病，开发智能和研制新型计算机。

同时，由于脑功能的复杂性，不仅是神经科学家，还有很多其他学科的科学家，也正在利用不同手段和技术，从不同方面、不同层次，从分子细胞水平到系统整体行为水平进行深入研究。

但迄今，我们对脑的复杂高级认知功能的了解尚处在初始阶段。

人脑是一个非常复杂的非线性系统[3]，其外在的表现形式EEG则是一个复杂的时间序列。

目前的研究结果表明，EEG信号具有混沌特性[4,5]，即脑电信号时间序列是一种非线性混沌时间序列。

EEG并非随机信号，更接近于混沌系统的奇怪吸引子，而且是一个很不稳定的吸引子。

近年来，有关复杂性测度的研究逐渐引起人们的兴趣，而复杂性测度在EEG分析中的应用所产生的有益、有趣的结果，为EEG分析提供了新的思路和新观点。

小波分析、神经网络、非线性动力学、独立分量等方法的出现，有力地推动了EEG分析方法的发展[6,7]。

非线性处理方法有非线性动力学方法[8]、人工神经网络分析、独立分量分析；线性处理方法[9]有叠加平均法、自适应处理方法、参数模型法、短时傅里叶变换、小波变换。

脑电信号分析已经渗透到与脑有关的各个领域。

1.2本课题的研究内容和思路

此次课题主要介绍了生理性精神的疲劳的特点和一些评定标准，着重对EEG信号的信源熵进行分析与研究，旨在寻找出EEG信号的信源熵与疲劳程度的关系，其中也详细的阐述了对大量EEG信号的数据进行处理的方法和过程。

本次课题选取的是两种不同的精神疲劳状态进行实验并分析数据，分别是非疲劳状态的EEG信号和24小时睡眠剥夺后的疲劳状态的EEG信号。

选取大脑皮层Fp1、Fp2两个通道进行实验，整个实验的模拟仿真是在MATLAB平台上完成的，运用MATLAB语言编写相关程序来进行EEG信号的信源熵分析。

由于脑电信号的特殊性，我们还需要设计一个FIR带通滤波器对信号进行滤波去噪，与此同时，我们还需要对非线性，非周期的EEG信号进行平稳化处理，将其处理成可供分析的具有数学意义的数据，再对其进行信源熵的分析。

将MATLAB输出的仿真图进行不同状态的对比来更加直观清晰地描述分析不同精神疲劳状态下的EEG信号的变化规律，这样使我们的实验更科学，更有说服力。

2生理性精神疲劳

2.1精神疲劳的介绍

人类的脑部有两大特征:

1、大量的思想活动需要耗费大量的储存能量、氧气以及营养（葡萄糖）;2、脑组织的氧气和营养物质，有没有储备能力，供需是否及时，当供不应求时，大脑缺血，缺氧，缺乏营养，导致疲劳。

精神紧张是能源密集，大量的脑细胞消耗的过程，使大脑的血液粘稠度增高，脑细胞活力的营养供给不足，很容易形成的生理心理疲劳。

精神疲劳体现为等待处理或者刺激结合过多,人开始本能的对刺激联结储存产生出不安、紧张和焦虑，紧张和焦虑的结合。

从神经细胞的电生理活动的角度来看，是兴奋和抑制的相互作用和相互转化相互感应的过程。

在某个意识状态下，或思考，或冥想，大脑神经都细胞处于兴奋状态的感觉，但如果很长一段时间的神经细胞的兴奋，它会感到困惑和遭受心理疲劳，这实际上是从神经细胞由兴奋到抑制兴奋，抑制状态是大脑的自我保护的一种表现。

人的思想变化和疲劳是心理疲劳的研究非常有趣的研究课题。

一些科学家利用人体行动和EEG数据研讨精神性疲劳对思想活动的影响时发现，随着精神活动时间地延长，与思想活动有所联系的大脑的地方减少（额叶）。

在一定的时间精神和体力劳动付出后，心理疲劳是保持一个适当的思维能力下降的特点，实验分析发现，经过几个小时不间断工作，工作，受试者保持相同的性能比的工作才刚刚开始付出更多的努力（劳动）。

许多研究发现，精神疲劳一个重要的指标是人类行为的组织能力的下降。

研究人员通过大量的动物实验，发现当人们感到精神疲劳，大脑有一种高浓度的活性物质。

这种物质所产生的效果和肌肉疲劳所产生的物质完全不一样，它只是导致精神疲劳。

医学专家指出，一种消极的态度，精神焦虑，抑郁，内心冲突，抑郁，休息不好，人的精力折扣感到疲倦造成的心理疲劳，是不良的精神刺激或精神压力过大所产生精神疲劳的根源。

当一个人厌倦了，因为疲劳或缺乏睡眠，疾病，或疗效，中毒或宿醉，此类危险的行为有可能会更严重。

因此，找到刻理解精神疲劳的原因和影响，以确保人们的行为的有效性，防止事故的发生。

2.2精神疲劳的评定

疲劳评估方法可分为主观评价法和客观评价方法。

由于疲劳的非特异性和主观的，疲劳的研究几乎都是主观（疲劳度量表）。

但主观评价方法不能避免的有效性和可靠性低的固有的缺点。

并因此有了更深的理解和更精确的测量，生理指标的干预是非常必要的疲劳。

随着技术的进步，研究疲劳，在这一领域的研究越来越多的客观手段已逐渐成为在医学上的热门话题，认知科学和心理学[8]。

目前，由于客观地分析生理精神疲劳没有更好的方法，所以生理心理疲劳的测定没有绝对的度量表。

传统的精神疲劳分析方法一般分为四类:

1、基于表现的评估方法，评估工人根据工作表现，疲劳程度。

操作人员的身体，感官，认知资源是有限的，在不同的生理精神疲劳程度的状态下，其疲劳程度将发生相应不同程度的变化。

2、主观评价方法，主要提到的是症状调查，主要是自我感觉疲劳上述诉测量。

抱怨的症状到样精神病和神经的感觉症状身体不适症状等的三个方面的。

最常用的检测和评估精神疲劳程度的方法是心理测试和临床判断。

3、生化方法分析经营者的血液，尿液，汗液和唾液中的液体组成的变化，以确定不同程度的生理精神疲劳。

4、生理反应测试方法来确定通过测量某些刺激某些功能反应参数的精神疲惫的程度。

测试的手段之一是健康膝反射功能的测试方法，两个刺激敏感的检测阈值，闪光频率值检查，连续彩色呼叫的测试方法，反应时间测试等等。

比起传统的方法有2点不足：

首先，测定疲劳进程的是不能与工作同一时间运作，因此它有很大的局限性，二是受主体的方法和条件的限制，很难要客观的人为定量。

现代医学的飞速发展特别是信号检测与处理技术的发展，为为研究疲劳的确定提供了一个强大的工具。

我们相信，有希望来弥补此类不足的是精神疲劳，生理参数，包括脑电图（EEG）信号，心电信号检测和分析技术测定，本文研究的脑电信号信源熵检测分析方法[17]。

随着现代信号检测与处理技术，医学信号检测与处理技术的发展取得了很大进展，心电图，脑电图，信号检测与分析技术，也使生理心理疲劳生理测定[2]。

生理分析是分析程度的心理疲劳的生理信号变化的分析和测量，脑电信号的生理信号的主要组成部分之一。

基于脑电信号的生理测量的突出优点:

要配备专门仪器脑电图，但不会干扰或破坏的操作过程，操作员的工作有没有影响，高时空分辨率的脑电信号，可以快速响应变化的心理疲劳，精神疲劳实时在线动态测试提供必要的数据支持;现代信号检测与处理技术，现代科学的信息理论，信号检测与处理的计算机作为一种工具，提供了强大的生活一个合理的心理疲劳分析和研究的工具和手段。

因此，基于上的生理性精神疲劳的的EEG信号分析中，被预计，以补偿为传统的方法的的不足之处。

大脑的变化，作为一个整体的大脑皮层神经元的活动，通过反映到大脑表面的脑容积导体，当大脑的表面（或头皮）放置电极，可以记录神经元在大脑皮层的变化。

脑电图脑电图体积描记仪，大脑本身的微弱生物电放大记录成为图表，是脑细胞电生理活动在大脑皮层或头皮表面的总体反映人口，非侵入性，价格低廉，方便和有效的特点，正在成为大脑活跃，一个强大的工具，以确定大脑和临床使用的器质性病变分析。

心理疲劳和中枢神经系统活动，主动控制主要是受大脑皮层。

研究发现，脑电节律和人的精神有密切的关系占主导地位的节奏可能反映人体的疲劳程度。

因此，受试者脑电图和生理的生理性精神疲劳分析的程度之间的关系，通过学习的心理疲劳程度。

系统的基本过程是：

一些在记录脑电图通道，多通道脑电信号的高增益，高品质的生物放大器，数据采集卡输入到计算机系统的脑电信号，进入主题的宣传活动数字化脑电图信号，信号预处理，以消除眼，肌电，脑电数据分为多个数据段的闪烁实验神器;有效的特征提取方法提取数据特征信息;和主要特征选择方法，以进一步改善特征提取的有效性，将特征向量的分类和歧视，以确定受试者的疲劳程度，最终输出[3]。

2.3精神疲劳的确定

疲劳肯定有没有绝对的定量范围，通常只能测量疲劳有关的现象或所谓的疲劳特性。

许多研究人员认为可以透露疲劳，从三个特点：

1，身体状况，特别是身体的变化发生。

2，开展具体的操作能力下降。

3，疲劳的经验。

因此，疲劳的决心，应分为：

生化，主观评价方法和生理参数的测定方法测定的生理反应。

脑电图（EEG），心电图和其他信号检测和分析技术的发展与现代信号检测与处理技术，在医学信号检测与处理技术的发展已取得了显着的进展，也使生理性精神疲劳的生理测定成为可能[13]。

疲劳通常分为两种类型。

肌肉疲劳和精神疲劳，肌肉疲劳是指在肌肉局部出现酸痛，一般只涉及到大脑皮层的局部地区。

精神疲劳，是第二信号系统减少活动的特征。

在这个阶段，人们更多关注的是精神疲劳，精神疲劳往往和以下密切相关以下：

1）工作质量的下降或意识模糊；

2）自我感觉精神状态不佳，有疲劳的感觉，没精神；

3）生理和心理状态出现了变化；

4）睡眠比较不足。

本课题采用疲劳中的第四种睡眠不足特征，选定睡眠剥夺的精神疲劳状态进行研究。

睡眠剥夺是指由于各种原因引起的睡眠不足的状态变化，并引起情绪，学习和记忆，免疫功能的变化。

让实验者带上实验仪器，24小时不间断的睡眠剥夺实验，学习，工作给予刺激，不让其睡眠，测试和记录下实验者的脑电信号数据

脑电节律和精神有密切相关，其祝节律可反映对人体的疲劳程度。

因此，通过受试者脑电图和生理性精神疲劳程度之间的分析，可以用来判定精神疲劳程度。

系统的基本过程是：

一些在记录脑电图通道，多通道脑电信号的高增益，高品质的生物放大器，数据采集卡输入到计算机系统的脑电信号，获得数字化脑电图信号，通过信号预处理，以消除眨眼，肌电等干扰，并将脑电数据分成几个数据段；利用有效的特征提取方法来提取各个数据段的信息；并通过特征选择方法用来更进一步的提高特征提取的效率性；将得到的特征数据分类并进行判断，确定受试者得精神疲劳程度，最后输出实验结果[20]。

脑电信号是一个复杂的非平稳随机信号，信号弱，个体差异较大，如何有效地提取有用的信息是脑研究的棘手问题。

大脑皮层的脑电不同的生理和病理条件下的大脑是不一样的。

伯杰在1929年，第一次记录到的脑电图脑电图，经过多年的研究，分析脑电信号，已取得了巨大进步。

dietch首先使用1932年的傅里叶变换相应的脑电图脑电图分析，以后陆续的时域分析，频域分析。

近年来，随着计算机技术，信号处理技术，时频分析，非线性分析的现代方法的快速发展，人工神经网络开始被用于分析脑电脑电图以上。

按上述方法提取某些脑部疾病临床诊断的脑电信号的特点是基础和有效的治疗方法，具有重要的临床价值。

脑电图技术的发展近年来的检测和分析，生理性精神疲劳检测技术已经取得了很大进展。

然而，目前的分析技术，主要是在时域和频域，利用经典统计信号处理方法和光谱分析技术;脑电图作为一个平稳的信号，因为难以确定的敏感特性。

最近的研究表明，脑电图呈现出混沌的规则来确定系统。

在近年来的混沌规律脑电信号信号处理技术来分析生理性神经疲劳，是EEG信号处理方法的新途径，更是被广泛应用于人工神经网络，小波熵，功率谱和非线性动力学的方法等。

3脑电（EEG）信号

3.1脑电（EEG）信号的介绍

脑电图（Electroencephalograph，EEG）是大脑中的电生理活动在大脑皮层或头皮表面的神经细胞的整体反映。

临床实践表明，脑电图含有大量的生理和疾病的信息，通过脑电图，不仅为医生提供临床诊断的基础，也为某些脑部疾病（如癫痫，脑肿瘤，精神状态的处理等），以提供有效的治疗方法。

广泛应用于临床诊断癫痫的脑部疾病，临床检查，脑电图还是中毒，注意力不集中，酒精，药物依赖，脑外伤，失眠，睡眠障碍和其他疾病的重要辅助手段。

在工程应用中，人们尝试使用脑信号-计算机接口（BCI），使用人类大脑信号运动的感觉或认知活动不同的脑电图脑电特征的信息提取和分析有效地提取和分类，从而将起到一定作用，但这些方法的实际应用，一步步也最终为开发高性能的脑电信号处理和分析仪器提供了一个重要的资源的功能。

通常被称为脑电图（EEG）测试，以观察大脑电活动的过程中，通过按一定规则放置在头皮上的电极。

脑电图是大脑中的电生理活动在大脑皮层或头皮表面的神经细胞的整体反射。

脑电图是脑细胞电生理活动在大脑皮层或头皮表面的整体反映在脑电图研究一直是生物医学领域非常困难和非常引人注目的任务。

在工作负荷的认知研究的最基本的问题也许是如何以实际测量。

脑电图（EEG）仍然是临床评估睡眠障碍的脑功能监测方法的选择，麻醉和癫痫的等级。

这种倾向反映脑电高敏感性变化的警觉性和注意力的条件，在不引人注目的情况下记录，同时只需低成本的技术要求。

这些特点也表明，基于EEG的监测方法可能在人体工程学方面提供一个有用的工具。

研究计划是基于神经电信号变化的基础研究方法，在高度控制任务中的变化要求。

从这样的研究取得了的结果提供了一个基础的制定相应信号的处理方法，自动区分大脑活动的精神疲劳相关的变化，从人工方法衡量在不同的任务条件下的相对程度的精神疲劳。

这些方法，然后在更自然利用计算机的情况下评估工从这些研究中取得的成果提供了初步证据使用基于EEG的监测方法的科学和技术上的可行性在人机交互的认知负荷。

虽然它被发现疲劳状态脑电图的变化，但这些变化实际上是建立在觉醒程度的基础上，通过EEG的觉醒水平的变化，只反映在觉醒变动前的觉醒疲劳过程的变化程度，事实上，一直认为认知能力下降的存在，脑电图是无能为力的。

换句话说，疲劳的脑电反应只能是一个粗略的状态，不是一个敏感指标[1]。

此外，脑电数据的个体差异是相当大的个人内部和外部的个性，性别和空间能力的因素。

所以，如果你无法控制受试者的同质性，脑电图的研究得出的结论是难以令人信服的。

另外,EEG对波形进行分类是按照频率的,所以这些波形更深层的含义我们仍知道的不多。

所有的一切都阻碍了EEG作为评价疲劳指标的下一步发展。

许多的数据表明，脑电图频谱分量在认知需求的任务中响应变化的预见方式各不相同。

虽然这是一个基于EEG的监测发展的必要条件认知的工作量，它是不够的。

其他一些问题也必须解决如果这些实验室观察过渡到实际脑电图监测的认知工作量具其中最重要的是脑电图神器的问题。

也就是说，除了大脑的活动，在头皮记录到的信号包括污染潜力眼球运动和闪烁，肌肉活动，头部运动等生理神器的工具来源。

这些污染物可以很容易地掩盖相互关系（巴洛1986年，Gevins等人，1979年a，B，C，1980年）的脑电信号。

在实验室人类专家的研究，可以用来积极物色在原始数据的文物和消除任何污染的脑电图段，以确保在分析中使用的数据代表实际的大脑活动。

对于大量的数据，这是一项昂贵的的，劳动力密集型的过程，这本身就是主观和可变的。

要切合实际在常规应用上下文这样的决定，必须算法。

一个已针对自动化的问题做了大量的研究失真检测。

在我们实验室以前的工作，我们已经制定和客观评估几代人的工件自动检测算法。

脑电图（EEG）的记录，通过电极脑电细胞群自发性，节律性电活动，其中包含大量的生理和病理资料，深入研究，以帮助医师提高损害的诊断和检测的可靠性和准确性越来越重要的作用，在临床诊断，比如以确定癫痫，脑肿瘤的早期发现，睡眠分析和深度麻醉监护脑电图次。

脑电图是最早的指标，可以评估疲劳程度，一度被认为是最可靠的指标之一。

在这些研究中，大多是通过脑电图监测疲劳的途径之一。

在20世纪80年代和90年代，这种研究方法，流行一时，也有一些结论:

精神疲劳时大脑的中部位的α波的活动能力会加强,持续时间为1到10秒左右,同时还会还出现枕部α节律的降低。

而且还察看到枕部的α波不见之后,颞区中后部会再出现几秒钟的α波。

其他研究，如在对疲劳驾驶进行脑电波监测的同时也出现了相似的α波的变化情况,即枕叶和顶叶的α波会扩展到额叶位置,如大脑中前区已经颞区。

1929年，伯杰第一次记录了人类的脑电波信号，经过多年的分析研究，脑电信号的分析研究已经获得了巨大的展获。

1932年狄曲开始运用傅里叶变换对脑电信号进行了各种分析，之后慢慢就有了时域分析、频域分析等方法。

近年来，随着计算机技术，信号处理技术，时频分析，非线性分析的现代方法的快速发展，人工神经网络开始被用于分析脑电脑电图上。

按上述方法提取某些脑部疾病临床诊断的脑电信号来分析研究，具有重要的临床价值。

脑电图显示不同人的特点，通过不同的感官刺激，在相同的感官刺激大脑的不同强度的电活动的不同部分，不同类型的感官刺激大脑中的格局的形成。

1932年，狄曲第一次利用傅立叶变换的脑电分析。

脑电分析技术，首次发现的指标可以评价精神疲劳程度是主导节奏的脑电波和大脑电活动的疲劳现象来解释的，通过分析脑电信号，可以监视司机的84％疲劳程度。

近年来，研究者国家推出的脑电图信号处理方法的深入研究，在这一领域已经引进的频域分析，时域分析脑电分析。

频域分析方法是