23、脑电信号与心电信号处理方法综述

脑电信号与心电信号处理方法综述

在生物医学信号处理领域，脑电信号（EEG）和心电信号（ECG）的分析处理至关重要。本文将围绕EEG信号中固有模态函数（IMF）的选择以及ECG信号的分析处理方法展开探讨。

EEG信号IMF选择研究

在EEG信号处理中，提出了一种基于经验模态分解（EMD）技术，利用功率谱密度峰值频率的新IMF选择方法。该方法根据IMF的频率成分对首选脑电波子带频率的贡献来选择IMF。

为了观察所选IMF的性能，将使用的EEG数据集样本分为两类。具体步骤如下：
1. 子带获取 ：使用带通滤波器从重建的EEG信号中获取theta、alpha和beta子带。
2. 特征提取 ：从每个子带中提取特征，本研究中提取香农熵和峰度作为特征集。
3. 分类器使用 ：使用了多种分类器，具体信息如下表所示：
| 分类器 | 类型/模型/学习器 | 参数 |
| — | — | — |
| 决策树 | 基尼多样性指数 | 最大分裂数 = 4 |
| 判别分析 | 线性 | - |
| 朴素贝叶斯 | 高斯核 | - |
| SVM | 二次核 | - |
| kNN | 立方，闵可夫斯基距离 | k = 10 |
| 集成 | 子空间判别 | 子空间维度 = 12 |
| 神经网络 | 前馈 | 隐藏层 = 2，神经元 = 10 |

在分类过程中，除神经网络外，所有分类过程均采用10折交叉验证，神经网络使用60%的样本进行训练，40%进行