小波变换的自发脑电信号特征提取.doc

小波变换的自发脑电信号特征提取（完整版）实用资料
(可以直接使用，可编辑完整版实用资料，欢迎下载）
文章编号2095-0(202103-0152-05
收稿日期:2021-05-06
基金项目:上海市教育委员会晨光计划项目资助(09CG069;上海市教育委员会重点学科资助(J51902作者简介:吴婷(1980-,女,副教授,博士,专业方向为机器人技术及模式识别,E-mail:wut@sdj
u.edu.cn小波变换的自发脑电信号特征提取
吴婷
(上海电机学院机械学院,上海200245
摘要:针对脑机接口(BCI研究中2种思维任务的特征抽取和分类,提出采用小波变换后具有较高分类能力的部分分解系数,并以Fisher距离作为特征可分离能力的度量。选择具有较大可分离性的系数均值及子空间能量作为有效特征,
组成所有待分析通道的特征形成特征向量。利用BCI2005竞赛数据,分析了该方法的实验背景和理论依据,并将分类精度与竞赛的最好结果进行了比较,表明了所提出方法运用在实际系统中的有效性和优越性。
关键词:脑机接口;小波变换;特征提取;特征分类
中图分类号:R318;TP391.4文献标志码:A
ElectroencephalographyF
eatureExtractionUsingW
aveletTransformWUTing
(SchoolofMechanical,ShanghaiDianjiUniversity,Shang
hai200245,ChinaAbstract:Tostudybrain-computerinterfaces(BCI,amethodoffeatureextractionandclassi-ficationusedfortwokindsofimaginationsisproposedbasedonwavelettransform.ThefeaturevectoriscomposedofsomedecompositioncoefficientsaccordingtotheFisherrules.Theexperiment’sbackgroundandtheoreticalfoundationareanalyzedusingthedatasetsofBCI2005.Theclassificationerrorsarecomparedwiththebestresultofthecompetition.Theresultsshowthattheproposedmethodismoreeffectiveandhasadvantagesinpracticalapp
lications.Keywords:braincomputerinterface(BCI;wavelettransform;featureextraction;feat-ureclassification
脑机接口(BrainComp
uterInterface,BCI或脑计算机接口是一种新颖的人机接口方式。脑机接口的定义是不依赖于脑的正常输出通路(外
周神经系统及肌肉组织的脑机(计算机或其他
装置通讯系统[1-3]
。目前,世界上BCI研究小组
大多采用非植人式电极获取头皮脑电信号(Elec-
第14卷第3期
2021年
上海电机学院学报
JOURNALOFSHANGHAIDIANJIUNIVERSITY
Vol.14No.3
2
011
troencephalography,EEG作为控制信号,可选择基于诱发EEG的BCI和基于自发EEG的BCI。前者不需要使用者训练,特征提取容易,但需要外界视觉刺激;而后者仅仅通过“想象”即可实现,不需要结构化环境,是一种更加自然、更加实用的方式,可以更好地用于控制。本文的研究对象是基
于自发EEG的BCI系统[4
-6]
。BCI的研究涉及多个学科,大量复杂的问题有待解决,特征提取是EEG模式识别中的核心问题,直接影响到分类器的设计和性能。特征提取就是通过一系列的变换,
将原始的高维信号转变为低维特征空间,且使得特征之间的差别加大,为
分类器提供最优的输人,提高模式识别精度[
7-8]
。目前,对于自发脑电的常用特征提取方法有傅里叶变换、相关性分析、自回归参数估计、功率谱估计、Butterworth低通滤波、遗传算法和时频分析等。算法的选择与所利用的信号特征及电极
位置有关[9-12]
。因为自发的EEG具有节律性,
可根据频率分为如下几个频段:δ节律(2～4Hz,θ节律(4～8Hz,a节律(8～13Hz,β节律(13～30Hz,γ节律(
30Hz以上。根据不同的频率所选择的信号处理方法亦不同,而这些节律的脑电信号会分布在头皮的不同位置,故算法的选择也与电极放置的位置有关。本文所提出的算法是针对6路EEG通道、2种思维