神經元電位訊號雜訊之組成分析

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：18

、訪客IP：3.143.0.157

姓名

吳蕙稜(Hui-ling Wu) 查詢紙本館藏

畢業系所

數學系

論文名稱

神經元電位訊號雜訊之組成分析
(An Analysis of the Components of Noise in the Recording of Neuronal Potential Signals)

相關論文

★ 台灣與韓國之十二年數學課程比較	★ 台灣與英國三角函數課程之教科書比較
★ 以自迴歸模型分析神經元訊號間之因果關係	★ 自由邊界的保角參數化在Matlab上實現
★ 利用數值模擬探討各式干擾因子對兩電生理訊號因果關係判讀之影響	★ 一個物件導向的數學概念學習與診斷工具
★ 增加解析度的凌波演算法	★ 提昇後的凌波函數與數值分析
★ Helmholtz 方程與 Wavelet 迭代法	★ 影像放大與直脊函數
★ 雙正交凌波函數於血壓與交感神經活性訊號分析之應用	★ 中小學數學創意教學競賽實施之研究
★ 血壓與交感神經活性訊號關係的數學模型	★ 國中生胚騰推理與數學能力之相關性研究
★ 台灣與日本之十二年數學課程比較	★ 台灣與新加坡之十二年數學課程比較

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

本論文探討雜訊的性質，是否符合一般分類演算法的基本假設「正規分布」，並且從此筆雜訊中擷取的雜訊，是否符合獨立。若雜訊較符合正規分布，則我們使用的分類方法較有效能。我們可經由雜訊直方圖的觀察，探討其正規性。並從雜訊的直方圖中發現異常突起的特性，且此異常突起大比例均勻散佈於雜訊中。由其他實驗雜訊的比較，發現異常的雜訊可能為不同儀器設備所致，或是由於電極接收到其他微弱訊號。
在頻率域上的表現，發現頻譜上的異常突起，就是造成直方圖異常突起的原因。另外，我們發現雜訊在頻率域上的能量呈現穩定起伏，於是本論文提出一種新的濾波方式，使得雜訊更符合正規分布，獨立性也更好。另一方面，在真實的神經訊號分類中，利用雜訊在頻率域上能量的穩定起伏，對神經訊號做濾波，發現濾波後會使得分類程式對於 PCA 散佈圖有部分重疊的情形分類較佳。

摘要(英)

This paper probes into property of noise and discusses whether its distribution is the ’’normal distribution’’
which is generally the basic assumption of algorithm of classification. And getting noise from it, whether its distribution is independent and identically distributed. If the distribution of noise is normal, the classifications are relatively efficient. In addition, by observing the histogram of noise and its normalization model, we find abnormality, unformly scattering with large percentage near the center. By comparing with noise of other experiments, we conclude that abnormal noise in the histogram may be resulted from the instruments or just the other weak signals received by the electrode .
When observing the representation of noise in the frequency domain, we find irregularity in the frequency domain which causes abnormality in the histogram in the time domain. Moreover, we find the power of noise shows steady wave in the frequency domain. Accordingly, we propose a kind of new filtering method, to make the distribution of noise conform to the normal distribution and make it more independent than the original one. On the other hand, in real nerve signals, the classification will be improved by a fillering based on the fact that the power of noise shows steady wave in the frequency domain. After filtering, the classification is better than that by PCA scattering plot.

關鍵字(中)

★ 主成份分析
★ 動作電位
★ 正規分布
★ 雜訊

關鍵字(英)

★ noise
★ normal distribution
★ action potential
★ PCA

論文目次

1 緒論
1.1 背景知識. . . . . . . . . . . . . . . . . . . . . 1
1.2 實驗訊號的製作. . . . . . . . . . . . . . . . . . 5
1.3 研究動機. . . . . . . . . . . . . . . . . . . . . 6
2 理論與方法
2.1 取得雜訊的程序. . . . . .. . . . . . . . . . . . 7
2.2 正規分布的探討. . . . . . . . . . . . . . . . . . 7
2.3 正規分布的白雜訊. . . . . . . . . . . . . . . . . 11
2.4 獨立且來自相同分布. . . . . . . . . . . . . . . . 12
3 異常分布的探討
3.1 異常訊號的均勻散佈. . . . . . . . . . . . . . . . 16
3.2 異常訊號的探討. . . . . . . . . . . . . . . . . . 19
3.2.1 其他實驗雜訊的比較. . . . . . . . . . . . . . . 19
3.2.2 四捨五入的影響. . . . . . . . . . . . . . . . . 20
3.2.3 問題與討論. . . . . . . . . . . . . . . . . . . 22
3.3 異常訊號在頻率域上的探討. . . . . . . . . . . . . 26
3.3.1 濾波對訊號分布的影響. . . . . . . . . . . . . . 26
3.3.2 逐次濾波對訊號分布的影響. . . . . . . . . . . . 33
iii
3.3.3 濾波對iid 的影響. . . . . . . . . . . . . . . . 34
3.4 異常訊號的濾波方法. . . . . . . . . . . . . . . . 36
4 雜訊對神經訊號分類的影響45
4.1 主成份分析. . . . . . . . . . . . . . . . . . . . 45
4.1.1 最佳投影向量. . . . . . . . . . . . . . . . . . 45
4.1.2 PCA 簡介. . . . . . . . . . . . . . . . . . . . 47
4.1.3 PCA 分類動作電位. . . . . . . . . . . . . . . . 48
4.2 K-Means 分群法. . . . . . . . . . . . . . . . . . 54
4.2.1 K-Means 簡介. . . . . . . . . . . . . . . . . . 54
4.2.2 K-Means 的數值驗證. . . . . . . . . . . . . . . 57
4.2.3 應用K-Means 於PCA . . . . . . . . . . . . . . . 61
4.3 神經訊號分類. . . . . . . . . . . . . . . . . . . 63
4.3.1 濾波前後對分類演算法的比較. . . . . . . . . . . 63
4.3.2 雜訊三的低頻探討. . . . . . . . . . . . . . . . 71
4.4 實際應用的限制. . . . . . . . . . . . . . . . . . 74
參考文獻. . . . . . . . . . . . . . . . . . . . . . . 75
附錄. . . . . . . . . . . . . . . . . . . . . . . . . 76

參考文獻

[1] WIKIPEDIA Tbe Free Encyclopedia. http://en.wikipedia.org/wiki/White noise.
[2] Ethem,Alpaydim.(2004)."Introduction to Machine Learning." Londdon,England : The MIT Press.PP.85 150
[3] 王錫崗等譯，"人體生理學"，新文京開發出版股份有限公司，2004 。頁156~191。
[4] 林震岩著，"多變量分析SPSS 的操作與應用"，智勝文化出版，2006 。頁 358~447。
[5] 李易霖，"神經細胞訊號的一種分類方法"，國立中央大學，碩士論文，2005 。

指導教授

單維彰(Wei-Chang Shann)

審核日期

2008-6-13

推文