论文部分内容阅读
脑的研究是人类在自然科学中面临的最大的世纪性挑战。面孔作为一种特殊的视觉刺激，提供了丰富的社会信息，对面孔识别脑机制的研究是脑科学中的热点话题。脑电信号分析是脑科学研究的重要手段。作为一种特殊的脑电信号，事件相关电位(ERPs)是认知过程中从脑电中提取的电位，是脑神经元活动的直接反映。通过研究ERPs，可跟踪大脑高速的信息加工处理过程，其时间分辨率高达毫秒级，几乎与面孔认知过程同步发生，可以实时地反映大脑的认知活动，因此是面孔识别研究的重要方法之一。
本文的研究目的是借助信号处理方法对面孔和非面孔的视觉刺激下的ERPs信号进行分析和比较，探讨基于ERPs特性的面孔和物体(非面孔)识别的不同脑机制。本文的研究内容主要包括脑电预处理的研究和面孔视觉刺激的：ERPs研究两个方面。主要的研究工作及创新如下：
(1)脑电信号预处理的研究。脑电具有很高的时变敏感性，其信号极易被无关噪声污染，即各种伪迹(artifacts)，其中眼电的影响最大。这些伪迹给脑电信号的分析解释带来了很大的困难。本文针对眼电伪迹，比较研究了伪迹减法、PCA、ICA和小波去噪等多种方法的特点。并在此基础上基于眼电信号的频率较低的先验知识，运用小波变换和ICA相结合的去噪方法。首先利用小波变换提取出各导含噪脑电低频部分信号，然后通过ICA分离出低频部分的眼电干扰。小波预处理不仅保留了高频部分的脑电信号而且还提高了ICA处理信号的信噪比，使ICA收敛更快。实验结果表明基于小波变换的ICA去噪方法保留了更多有用的脑电信号。
(2)小波熵在面孔识别中的研究。ERPs小波熵反映了脑电的不同节律成分分布的无规则程度。本文利用小波熵及时间平均小波熵、均值小波熵对面孔、非面孔的ERPs时域信号进行分析研究。实验结果表明，这种分析方法不但从方法上克服了谱熵不能有效地分析非平稳信号的不足，而且还发现面孔较非面孔具有更高的复杂程度，表现在两种视觉刺激下大脑的熵值的差异。从而为面孔识别的研究开拓了一种新的方法。
(3)随时间变化的小波熵的研究。以上的小波熵仅给出了整段信号的熵值，表征了整段信号的特征，但是淹没了随时间变化的小波熵值情况。本文又对总平均的ERPs数据进行加窗，对每个时间窗的ERPs数据分别进行小波熵的计算，得到了连续的时间窗内的小波熵值。不重叠时间窗的研究结果表明，对视觉刺激初期加工时面孔刺激的小波熵值明显大于非面孔刺激的小波熵值，枕颞区导联的熵值统计结果表明在1-256ms内刺激类型有显著差异，而在1-128ms左右半球也有显著差异；1ms移动的重叠时间窗不仅包含不重叠的时间窗的所有信息，而且还呈现出了许多不重叠的时间窗遗失的信息。其中一个发现就是面孔刺激的知觉过程后期熵值的剧烈增加，以T5，T6导联尤甚。这个发现为研究面孔识别的后期知觉加工提供了新的方法。以上是作者在这篇学位论文中的主要研究工作，本文从信号处理方法入手，同时始终与传统的研究结果相比较，研究涉及了多方面的内容，得出了一些重要的结论，为今后的面孔识别的脑电研究作了有效的、有意义的研究铺垫。