臺灣博碩士論文加值系統

本論文主要探討利用小波法對腦波進行濾波，並使用分類樹分
類腦波特徵。近年來用腦波來控制物體移動的應用，有越來越
廣泛的趨勢。可是由於腦波非常複雜，要將資訊從雜亂且微小
的腦波中抽取出來，是一件非常困難的事。本研究使用市售的
便宜腦波儀來搜集腦波數據，並採用小波法來進行濾波，最後
使用分類樹的方法進行特徵分類。本研究成果日後可應用至使
用腦波進行飛行器或地面載具的軌跡控制。

This thesis investigates the characteristics of brainwave using wavelet analysis method and classification and regression trees. Recently brainwave has been applied to wider and wider fields. However, it is very difficult to extract useful information from brainwave due to its complex nature. In this research we selected a commercial simple EEG to reduce the expense. Wavelet analysis is employed to analyze collected data, and using classification and regression trees to induction characteristics of brainwave. The result is applicable to navigation of ground or aerial vehicles in the future.

目錄
中文摘要i
英文摘要ii
致謝iv
1 緒論1
1.1 研究動機. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 文獻回顧. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 研究目的及方法. . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 腦波簡介及硬體架構6
2.1 神經系統的生理概述. . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 腦波簡介. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.1 腦構造簡介. . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.2 腦波的形成. . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.3 腦波的頻率與節律. . . . . . . . . . . . . . . . . . . . . 8
2.3 硬體簡介. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.1 EEG2000T . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.2 電極貼片. . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.3 RS232 傳輸. . . . . . . . . . . . . . . . . . . . . . . . . 11
3 小波分析及CART. . . . . . . . . . . . . . . . . . 12
3.1 小波分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.1.1 連續小波轉換. . . . . . . . . . . . . . . . . . . . . . . . 14
3.1.2 離散小波轉換. . . . . . . . . . . . . . . . . . . . . . . . 15
3.1.3 Morlet 小波. . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 多分辨率分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2.1 尺度函數. . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2.2 多分辨率分析. . . . . . . . . . . . . . . . . . . . . . . . 17
3.2.3 訊號分解. . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2.4 閾值選取. . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.5 訊號重構. . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3 CART . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3.1 樹的結構. . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3.2 初始樹以及分類樹的生長. . . . . . . . . . . . . . . . . 25
3.3.3 Gini 不純度指標. . . . . . . . . . . . . . . . . . . . . . 26
3.3.4 剪枝. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.5 交叉驗證. . . . . . . . . . . . . . . . . . . . . . . . . . 30
4 實驗設計與方法31
4.1 數據取得. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2 電極貼法及數據紀錄. . . . . . . . . . . . . . . . . . . . . . . . 31
4.2.1 電極位置. . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2.2 貼片貼法. . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3 實驗流程. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3.1 訓練數據. . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3.2 測試數據. . . . . . . . . . . . . . . . . . . . . . . . . . 36
5 實驗結果與分析37
5.1 腦波特徵擷取. . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.2 CART 分類. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.3 白雜訊模擬訊號誤判率測試. . . . . . . . . . . . . . . . . . . . 51
5.4 第二次腦波特徵擷取. . . . . . . . . . . . . . . . . . . . . . . . 57
5.5 應用訓練數據判讀腦波. . . . . . . . . . . . . . . . . . . . . . . 59
6 結論與未來展望63
參考文獻65

圖目錄
1.1 現今腦波產品之應用. . . . . . . . . . . . . . . . . . . . . . . . 2
2.1 基本神經元構造[1] . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 大腦皮質層構造. . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 腦電圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 EEG2000T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.1 特徵提取流程圖. . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2 Fourier 和Wavelet 的比較. . . . . . . . . . . . . . . . . . . . . 13
3.3 morlet 小波. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.4 小波分解架構. . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.5 訊號重構. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.6 總資料分布圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.7 樹的結構圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.8 樹生長流程. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.9 剪枝示意圖. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1 10-20system . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.2 雙極誘導法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.3 參照點誘導法. . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.4 實際實驗時電極貼片. . . . . . . . . . . . . . . . . . . . . . . . 34
4.5 程式上所記錄到的原始腦波資料. . . . . . . . . . . . . . . . . 34
4.6 訓練數據實驗流程. . . . . . . . . . . . . . . . . . . . . . . . . 35
4.7 測試數據實驗流程. . . . . . . . . . . . . . . . . . . . . . . . . 36
4.8 實際實驗狀況. . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.1 腦波經由小波法擷取特徵流程. . . . . . . . . . . . . . . . . . . 37
5.2 無任何視覺刺激的左右腦情況. . . . . . . . . . . . . . . . . . . 38
5.3 右邊視覺刺激的左右腦情況. . . . . . . . . . . . . . . . . . . . 38
5.4 左邊視覺刺激的左右腦情況. . . . . . . . . . . . . . . . . . . . 39
5.5 右邊視覺刺激左腦的FFT 轉換. . . . . . . . . . . . . . . . . . 39
5.6 小波轉換後無任何視覺刺激的左右腦情況. . . . . . . . . . . . 40
5.7 小波轉換後右邊視覺刺激的左右腦情況. . . . . . . . . . . . . . 40
5.8 小波轉換後左邊視覺刺激的左右腦情況. . . . . . . . . . . . . . 41
5.9 小波轉換後無任何視覺刺激的左右腦由高頻至低頻組合. . . . 41
5.10 小波轉換右邊視覺刺激的左右腦由高頻至低頻組合. . . . . . . 42
5.11 小波八層分解無任何視覺刺激的左右腦情況. . . . . . . . . . . 43
5.12 小波八層分解右邊視覺刺激的左右腦情況. . . . . . . . . . . . 44
5.13 小波八層分解左邊視覺刺激的左右腦情況. . . . . . . . . . . . 44
5.14 特徵分類流程. . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.15 第一次實驗無視覺刺激與右邊視覺刺激分類. . . . . . . . . . . 46
5.16 第二次實驗無視覺刺激與右邊視覺刺激分類. . . . . . . . . . . 47
5.17 第一次實驗無視覺刺激與左邊視覺刺激分類. . . . . . . . . . . 49
5.18 第二次實驗無視覺刺激與左邊視覺刺激分類. . . . . . . . . . . 50
5.19 白雜訊模擬腦波. . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.20 白雜訊模擬腦波經Morlet 小波轉換後. . . . . . . . . . . . . . 52
5.21 白雜訊模擬腦波經八層小波分解並提取 及 節律. . . . . . 52
5.22 白雜訊模擬腦波經高頻濾波後. . . . . . . . . . . . . . . . . . . 53
5.23 白雜訊測試左邊視覺刺激誤判率分佈圖. . . . . . . . . . . . . . 54
5.24 白雜訊測試右邊視覺刺激誤判率分佈圖. . . . . . . . . . . . . . 55
5.25 第二次腦波特徵擷取特徵流程. . . . . . . . . . . . . . . . . . . 57
5.26 第二次腦波特徵擷取-看左邊左腦. . . . . . . . . . . . . . . . . 58
5.27 第二次腦波特徵擷取-看左邊右腦. . . . . . . . . . . . . . . . . 58
5.28 真實數據左邊視覺刺激誤判率分佈圖. . . . . . . . . . . . . . . 59
5.29 真實數據左邊視覺刺激誤判率分佈圖. . . . . . . . . . . . . . . 60
5.30 測試數據判斷左右時間分布圖. . . . . . . . . . . . . . . . . . . 61
表目錄
2.1 腦波基本頻率分布. . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1 各階段的比率. . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.1 小波分解對應頻率範圍. . . . . . . . . . . . . . . . . . . . . . . 43
5.2 左邊視覺刺激分類樹(白雜訊測試) . . . . . . . . . . . . . . . . 54
5.3 右邊視覺刺激分類樹(白雜訊測試) . . . . . . . . . . . . . . . . 55
5.4 左邊視覺刺激分類樹(真實數據測試) . . . . . . . . . . . . . . . 59
5.5 右邊視覺刺激分類樹(真實數據測試) . . . . . . . . . . . . . . . 60
5.6 左右邊視覺刺激混合分類誤判率. . . . . . . . . . . . . . . . . 62

[1] Stuart Ira Fox, 基礎人體生理學, 高立圖書有限公司, 台北, 2014.
[2] 莊子肇, 各種生理電訊號, 中山電機系.
[3] 腦力通訊, 中國香港腦科學研究及開發基金會籌委會, 2011.
[4] 管淂銘, 利用機電整合探討腦波(EEG)、記憶力與自律神經(ANS) 之間
受外界環境擾動下之互動與生理狀況影響, 碩士論文, 數位機電科技, 中
國文化大學, 台北, 2010.
[5] 張嘉紓, 一般幼兒與特殊幼兒在不同工作時腦波比較之研究, 經國管理學
院幼兒保育系.
[6] 謝世章, 腦波視覺佑發電位分析與應用, 碩士論文, 電機工程學系, 南台科
技大學, 台南, 2008.
[7] “醫學訊號分析原理與MATLAB 程式應用實作”, [線上],Available:http://
www.ym.edu.tw/ cflu/CFLucoursematlabsig:html
[8] 吳庭宇, 以二次小波轉換為依據之腦波節律特徵萃取及分類之研究, 碩士論文,
電機工程學系, 國立成功大學, 台南, 2007.
[9] 江妍瑤, 水下聲源訊號雜訊消除之研究, 碩士論文, 資訊工程學系, 中學大學,
桃園, 2003.
65
[10] James S. Walker , A primer on wavelets and their scientific applications, U.S.A:
Eau Claire, Wisconsin, 2008.
[11] STEPHANE G. MALLAT, “A Theory for Multiresolution Signal Decomposition:
The Wavelet Representation”, IEEE Trans. on Inf. VOL. 11, NO. 7.,
1989.
[12] 王振朝, 岳瑩昭,師洁,侯惠然.(2008年)“基于多分辨率分析的小波系数压扩去噪算法”,中国电机工程学报.第28卷第10期
[13]Donoho,D.L.,“ProgressinwaveletanalysisandWVD:atenminutetour”,inProgressinwaveletanalysisandapplications,Y.Meyer,S.Roques,pp.109-128.FrontieresEd,1993.
[14]Donoho,D.L.,“De-noisingbysoft-thresholding”,IEEETrans.onInf.Theory,41,3,pp.613-627,1995.[15]David,L.D.andIain,M.J.,“AdaptingtoUnknownSmoothnessviaWaveletShrinkage”,JournaloftheAmericanStatisticalAssociation,Vol.90,No.432,pp.1200-1224,1995.
[16]王慧静,蒲宝明,孙宏国,张全发.(2012年)“基于小波阈值的心电信号去噪算法”,中国科学院沈阳计算技术研究所,第21卷第12期.
[17]張德豐,MATLAB小波分析,北京:機械工業出版社,2009.
[18] “数据挖掘十大经典算法–CART: 分类与回归树”, [線上],Available:http://
blog.csdn.net/u011 067360/article/details/24871801
[19] 丁一賢, 資料探勘, 台北: 滄海書局, 2005.
[20] L. Breiman, “Bagging predictors”, Machine Learning, Vol. 24, No.2, pp. 123-
140, Aug. 1996.
[21] L. Breiman, J. Friedman, R. Olshen, and C. Stone.Classification and regression
trees , Wadsworth, Belmont, CA, 1984.
[22] “分类与回归树（classification and regression tree，CART）”, [線
上],Available:file:///F:/iDataMining.net.html
[23] 葉清江, 羅良岡, 齊德彰, 黃彥儒. “整合分類迴歸樹與隨機森林於資訊揭露預
測之研究: 公司治理之考量”,
[24] 莫咸箴, 溫玉婷. 資料庫行銷決策樹, 國立中興大學行銷研究所.
[25] Shi-Liang Sun, Jin-Hua Xu, Li-Yang Yu, You-Guang Chen, Ai-Lian Fang .
“MIXTURES OF COMMON SPATIAL PATTERNS FOR FEATURE EXTRACTION
OF EEG SIGNALS”, IEEE Trans. on Inf.978-1-4244-2096, 2008.