搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进的符号转移熵的心脑电信号耦合研究

吴莎 李锦 张明丽 王俊

基于改进的符号转移熵的心脑电信号耦合研究

吴莎, 李锦, 张明丽, 王俊
PDF
导出引用
  • 试图探究动力系统中的耦合关系一直以来都是国内外众多学者关注的热点,传统的时间序列符号化分析方法会使研究结果受序列非平稳性的严重影响,本文在原有转移熵的研究基础上,应用粗粒化提取,经过理论与实验的分析,发现心脑电信号耦合研究中的转移熵值在不同提取情况下对应不同的分布趋势,并选择效果最好的信号数据提取方法用在其后的应用分析中. 此外,对时间序列符号化方法提出改进,采用动态的自适应分割方法. 实验结果表明,无论清醒期还是睡眠期,改进的符号转移熵算法观测分析到的心脑电信号耦合作用更显著,能更好的捕捉到信号中的动态信息、系统动力学复杂性的改变,更利于医学临床实践应用中的检测,在分析非平稳的时间序列上具有更好的效果.
    • 基金项目: 国家自然科学基金(批准号:61271082,61201029,61102094)和江苏省自然科学基金(批准号:BK2011759,BK2011565)资助的课题.
    [1]

    Fang X L, Jiang Z L 2007 Acta Phys. Sin. 56 7330 (in Chinese) [方小玲, 姜宗来 2007 物理学报 56 7330]

    [2]

    Meng Q F, zhou W, Chen Y H, Peng Y H 2010 Acta Phys. Sin. 59 123 (in Chinese) [孟庆芳, 周卫东, 陈月辉, 彭玉华 2010 物理学报 59 123]

    [3]

    Ma Q L, Bian C H, Wang J 2010 Acta Phys. Sin. 59 4480-4484 (in Chinese) [马千里, 卞春华, 王俊 2010 物理学报 59 4480]

    [4]

    Wang J, Ma Q L 2008 Chin. Phys. B 17 4424

    [5]

    Hsu W Y 2012 Int. J. Neural Syst. 22 51

    [6]

    Petrantonakis P C, Hadjileontiadis L J 2012 IEEE Ton Signal Proc. 60 2604

    [7]

    Thatcher R W 2012 Dev. Neuropsychol. 37 476

    [8]

    Wang J, Yu Z F 2012 Chin. Phys. B 21 018702

    [9]

    Musselman M, Djurdjanovic D 2012 Expert Systems with Appl. 39 11413

    [10]

    Wang R F, Zhang J H, Zhang Y, Wang X Y 2012 Biomed. Signal Proc. and Control 7 490

    [11]

    Orhan U, Hekim M, Ozer M 2012 J. of Med. Syst. 36 2219

    [12]

    Acharya U R, Sree S V, Alvin A P C, Suri J S 2012 Expert Syst. Appl. 39 9072

    [13]

    Siuly S, Li Y 2012 IEEE T on Neur. Sys. and Reh. Eng. 20 526

    [14]

    Acharya U R, Molinari F, Sree S V, Chattopadhyay S, Ng K H, Suri J S 2012 Biomed. Signal Proc. and Control 7 401

    [15]

    Rosenblum M G, Pikovsky A S 2001 Phys. Rev. E 64 045202

    [16]

    Smirnov D A, Bezruchko B P 2003 Phys. Rev. E 68 046209

    [17]

    Smirnov D A, Bodrov M B, Velazquez J L P, Wennberg R A, Bezruchko B P 2005 Chaos 15 024102

    [18]

    Staniek M, Lehnertz K 2007 Phys. Rev. Lett. 99 204101

    [19]

    Shen W, Wang J 2010 Acta Phys. Sin. 60 118702 (in Chinese) [沈韡, 王俊 2010 物理学报 60 118702]

    [20]

    Huang X L, Cui S Z, Ning X B 2009 Acta Phys. Sin. 58 8160 (in Chinese) [黄晓林, 崔胜忠, 宁新宝 2009 物理学报 58 8160]

    [21]

    Li J, Liu D Z 2012 Acta Phys. Sin. 61 208701 (in Chinese) [李锦, 刘大钊 2012 物理学报 61 208701]

  • [1]

    Fang X L, Jiang Z L 2007 Acta Phys. Sin. 56 7330 (in Chinese) [方小玲, 姜宗来 2007 物理学报 56 7330]

    [2]

    Meng Q F, zhou W, Chen Y H, Peng Y H 2010 Acta Phys. Sin. 59 123 (in Chinese) [孟庆芳, 周卫东, 陈月辉, 彭玉华 2010 物理学报 59 123]

    [3]

    Ma Q L, Bian C H, Wang J 2010 Acta Phys. Sin. 59 4480-4484 (in Chinese) [马千里, 卞春华, 王俊 2010 物理学报 59 4480]

    [4]

    Wang J, Ma Q L 2008 Chin. Phys. B 17 4424

    [5]

    Hsu W Y 2012 Int. J. Neural Syst. 22 51

    [6]

    Petrantonakis P C, Hadjileontiadis L J 2012 IEEE Ton Signal Proc. 60 2604

    [7]

    Thatcher R W 2012 Dev. Neuropsychol. 37 476

    [8]

    Wang J, Yu Z F 2012 Chin. Phys. B 21 018702

    [9]

    Musselman M, Djurdjanovic D 2012 Expert Systems with Appl. 39 11413

    [10]

    Wang R F, Zhang J H, Zhang Y, Wang X Y 2012 Biomed. Signal Proc. and Control 7 490

    [11]

    Orhan U, Hekim M, Ozer M 2012 J. of Med. Syst. 36 2219

    [12]

    Acharya U R, Sree S V, Alvin A P C, Suri J S 2012 Expert Syst. Appl. 39 9072

    [13]

    Siuly S, Li Y 2012 IEEE T on Neur. Sys. and Reh. Eng. 20 526

    [14]

    Acharya U R, Molinari F, Sree S V, Chattopadhyay S, Ng K H, Suri J S 2012 Biomed. Signal Proc. and Control 7 401

    [15]

    Rosenblum M G, Pikovsky A S 2001 Phys. Rev. E 64 045202

    [16]

    Smirnov D A, Bezruchko B P 2003 Phys. Rev. E 68 046209

    [17]

    Smirnov D A, Bodrov M B, Velazquez J L P, Wennberg R A, Bezruchko B P 2005 Chaos 15 024102

    [18]

    Staniek M, Lehnertz K 2007 Phys. Rev. Lett. 99 204101

    [19]

    Shen W, Wang J 2010 Acta Phys. Sin. 60 118702 (in Chinese) [沈韡, 王俊 2010 物理学报 60 118702]

    [20]

    Huang X L, Cui S Z, Ning X B 2009 Acta Phys. Sin. 58 8160 (in Chinese) [黄晓林, 崔胜忠, 宁新宝 2009 物理学报 58 8160]

    [21]

    Li J, Liu D Z 2012 Acta Phys. Sin. 61 208701 (in Chinese) [李锦, 刘大钊 2012 物理学报 61 208701]

  • 引用本文:
    Citation:
计量
  • 文章访问数:  2213
  • PDF下载量:  612
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-06-20
  • 修回日期:  2013-08-19
  • 刊出日期:  2013-12-05

基于改进的符号转移熵的心脑电信号耦合研究

  • 1. 南京邮电大学, 图像处理与图像通信江苏省重点实验室, 南京 210003;
  • 2. 陕西师范大学, 物理学与信息技术学院, 西安 710062;
  • 3. 西安市第一医院, 干部病房消化专业, 西安 710002
    基金项目: 

    国家自然科学基金(批准号:61271082,61201029,61102094)和江苏省自然科学基金(批准号:BK2011759,BK2011565)资助的课题.

摘要: 试图探究动力系统中的耦合关系一直以来都是国内外众多学者关注的热点,传统的时间序列符号化分析方法会使研究结果受序列非平稳性的严重影响,本文在原有转移熵的研究基础上,应用粗粒化提取,经过理论与实验的分析,发现心脑电信号耦合研究中的转移熵值在不同提取情况下对应不同的分布趋势,并选择效果最好的信号数据提取方法用在其后的应用分析中. 此外,对时间序列符号化方法提出改进,采用动态的自适应分割方法. 实验结果表明,无论清醒期还是睡眠期,改进的符号转移熵算法观测分析到的心脑电信号耦合作用更显著,能更好的捕捉到信号中的动态信息、系统动力学复杂性的改变,更利于医学临床实践应用中的检测,在分析非平稳的时间序列上具有更好的效果.

English Abstract

参考文献 (21)

目录

    /

    返回文章
    返回