臺灣博碩士論文加值系統

腦波相關研究到現在大約已經有80年左右的歷史，研究最為常用的方法為頻域分析，但近年來，因為混沌理論廣泛的被運用，已經有研究將腦波訊號與混沌理論結合。目前關於混沌的研究，發現正常人在清醒時，腦活動力強，腦波訊號十分不規則，而在深度睡眠時，腦活動力較弱，腦波訊號卻很有規律，此現象可說明腦活動力越強，混沌性越高。混沌理論中，李氏指數(Lyapunov exponent)可做為混沌性強弱的指標，故求出腦波的李氏指數即可做為大腦的混沌性指標，量化大腦活動力。李氏指數與大腦活動力成正比關係，因此混沌指標與頻域分析法相輔相成，可發展出新的研究方法。
本論文目標即在於以混沌分析量化大腦活性，並應用於聽音樂和打坐禪定對大腦活性的影響。與頻域分析不同，本方法是藉由腦波儀得到腦波時序資料做混沌分析，求得李氏指數，以此指標了解聽音樂與打坐禪定對活化大腦的程度，以及建立混沌分析與頻域分析之間的關聯性。

Brainwave studies up to now have been about 80 years, the method has been applied mostly is frequency-domain analysis of brainwave. But in the recent years, chaos Theory is widely applied to some studies about brainwave. From the earlier research of chaos analysis of brainwave, we know that normal people have high brain activity when they are awake, and their brainwave signal is chaotic. On the contrary, they have low brain activity in deep sleep, and their brainwave signal is periodic instead of chaotic. From these studies, we can say that when one’s brain has more activity, it is more chaotic. In chaos theory, Lyapunov exponent is an index of chaos strength. So if we can get Lyapunov exponent from brainwave signal, this can be used as the chaos index of the brain and quantified as the brain activity. In the future, the chaos index can work with frequency-domain analysis to develop a new method of analyzing brainwave signal.
In this thesis, we want to quantify brain activity by chaos theory, and want to know how listening music and meditation affect our brain by monitoring the change of Lyapunov exponent. This method is different from MRI and frequency-domain analysis, in which we use EEG to get brainwave time-series data and apply this data to chaos theory. Then we can monitor the change of Lyapunov exponent to know how listening music and meditation affect our brain. Furthermore, we will find the relationship between chaos analysis and spectrum analysis.

中文摘要 i
ABSTRACT ii
誌謝 vii
目錄 viii
圖目錄 x
表目錄 xvi
符號表 xvii
第一章 緒論 1
1.1研究背景與文獻回顧 1
1.2研究目標 5
1.3各章概述 5
第二章 由時序資料定義李氏指數與頻譜分析 7
2.1李氏指數之意義 7
2.2相空間重建 9
2.3 Tangent Map矩陣 15
2.4由Tangent Map定義李氏指數 19
2.5時序資料的頻譜分析與李氏指數比較 21
第三章 實驗器材介紹 31
3.1 腦波儀 31
3.2 腦波儀使用步驟 32
第四章 聆聽不同音樂的腦波活性 37
4.1 音樂選取 37
4.2 實驗方法 39
4.3 實驗結果 39
4.4 各受試者腦波李氏指數與腦波頻譜之關聯性 44
第五章 打坐資歷不同的修行者腦波活性 48
5.1實驗方法 49
5.2實驗結果 49
5.3 各受試者腦波李氏指數與腦波頻譜之關聯性 54
第六章 結論與未來展望 57
6.1各章總結 57
6.2未來展望 58
參考文獻 60
附錄A 63
附錄B 105

[1] Crews, D.J. ＆ Landers, D.M., Electroencephalographic measures of
attentional patterns prior to the golf putt, Medicine and Science in Sports
and Exercise, Vol.25, pp.116-126, 1993
[2] Johnson, R.A. ＆ Palmer, K.J. ＆ Sell, G., Ergodic Properties of Linear
Dynamical Systems, SIAM Journal on Mathematical Analysis, Vol.18, pp.1-33, 1987
[3] Kantz, H. ＆ Schreiber, T., Nonlinear time series analysis, Cambridge
University, U.K., 1997
[4] Rosenstein, M.T., ＆ Collins, J.J. ＆ De Luca, C.J, A Practical Method for
Calulating Largest Lyapunov exponent from Small Data Sets, Physics D, Vol.65, pp.117-134. , 1993
[5] Dorf, R. C. ＆ Bishop,R. H., Modern Control Systems , Prentice Hall,10th Edition , 2001
[6] Takens, F., Detecting Strange Attractor in Turbulence .D. Rand editors
and L.S. Young, Dynamical Systems and Turbulence,Warwick, Springer
Berlin, 1981.
[7]李嗣涔，張楊全，由腦α波所定義的兩種氣功態，中國醫藥雜誌, vol.2，
1991
[8]辛裕隆，生理性與病態性顫抖的非線性分析，神經科學研究所，碩士 論文，慈濟大學，2000

[9]陳國華，黃英哲，黃欽永，王澤惠，蔡秀華，楊裕隆，呂碧琴，游添燈，王澤惠，莊泰源，林聯喜，氣功與太極拳學習者的生理反應研究，行政院國家科學委員會專題研究計畫成果報告，編號：NSC90-2413-H-002-009，2002
[10]游榮義，腦電信號非線性分析方法的研究，凝聚態物理系，博士論文，廈門大學，2003
[11]湯雅雯，腦波量測系統之研製與腦波訊號之非線性分析，電機工程研究所，碩士論文，國立成功大學，2005
[12]鄭翰鴻，蘇致遠，伍次寅，王傳禎，王淑音，癲癇患者心跳生理訊號之非線動力學分析，中華民國立學學會第29屆全國力學會議，2005
[13]李宜達，數位信號處理從設計到實現，全華科技圖書，2005
[14]黃郁鈞，腦波在智慧型空間的應用：以提出一個感知人的智慧型
空間為例，建築研究所，碩士論文，國立交通大學，2006
[15]方識欽，心電圖之相空間重建及新圖形比較法應用在身分辨識及
心室不整脈預測，電機工程研究所，博士論文，長庚大學，2006
[16]孫光天，許家彰，李耀全，孫嘉臨，不同音樂對大腦腦波影響變化之
研究，國際醫學資訊研討會，2007
[17]李宏偉，視覺意識中的線性與非線性功能連結，心理學研究所，博士
論文，國立政治大學，2007
[18]黃建傑，使用小波分析與非線性方法分辨癲癇腦波訊號的研究，電機
工程研究所，碩士論文，國立中正大學，2007
[19]魏嘉宏，由複數量子軌跡觀點討論混沌與量子機率論，航空及太空工
程研究所，博士論文，國立成功大學，pp.78-101，2008
[20]洪至懿，腦電波分離及應用，生物醫學影像暨放射科學系研究所，博
士論文，國立陽明大學，2008
[21]林佩芬，以線性及非線性分析研究失智症患者之腦波及心電圖，臨床醫學研究所，碩士論文，國立台灣大學，2010
[22]吳宣漢，總體經驗模組分解應用於表面肌電訊號之疲勞分析，資訊工
程系，碩士論文，朝陽科技大學，2011
[23]楊憲東，非線性控制講義，2012
[24]勝宏精密官網 http://brain-sh.tw/contact.php，2014
[25]台北榮總教學研究部整合性腦功能研究室
http://ibru.vghtpe.gov.tw/chinese/eeg.htm，2014