频分布,还提供了有关信号波形形态方面的信息。而这些对于准确理解和识别脑电信号是很重要的。Р文献还报导了关于应用小波变换的多分辨率分析研究诱发电位[44]。 Nitish?V.Thakor等应用小波变换分析如脑缺氧一类的神经损伤引起EP信号波形的复杂变化;利用小波将EP信号分解到各个独立的频段上。对已麻醉的猫在脑缺氧期间的体感EP信号进行采集和小波分析,指出多分辨率小波在分析这种EP信号的特征方面敏感有效,并对神经损伤方面有一定的追踪检测作用;多分辨率小波的具体分量随着缺氧损伤显示出一种早期快速下降的情况, 而高频分量却随着再充氧显示出快速的恢复情况。01ivier Bertrand等用小波分析对EP信号进行滤波,得到较好的时频分辨率,指出小波变换非常适合于分析有限长非平稳信号的特征,还可用于脑电的数据压缩。Samir V.Mehto用小波变换检测癫痫发作,利用尺度参量监控EEG并作为评价癫痫发作的主要指标,指出该方法不仅可以有效检测癜痫发作事件,而且有助于对癫痫的长时间监护a国内也有一些这方面的报导。但目前脑电的小波分析在I临床应用上还存在不少问题,需要更进一步研究。Р3.脑电的双谱分析越来越多的研究表明,脑电还表现出非常典型的非高斯非线性特性,对此Р人们已在动物脑电、睡眠脑电、麻醉监护等方面开展了初步的研究[114—118]。关于脑电的高阶统计分析方法,主要是利用双谱技术及其性质,研究脑电Р的平方非线性耦合现象,在提高信嗓比方面具有独特的优点。国外在这方面已经做了一些工作,T.P.t等早在1971年便在科学杂志(Science)上报导了睡眠脑电图的双谱分析[106],研究脑电图节律问平方相位耦合现象, 给出了具有明显口节律的脑电图的简单双谱分析结果。一直到了九十年初, Taiking Ning和J.D.BronzinO等[114一116]发表了几篇关于动物脑电的双谱和Р7
全文预览
