基于小波变换和多域融合的脑电信号特征提取

摘要

随着近些年来微弱生物信号处理技术的迅速发展，脑-机接口作为一种新型的人机交互通道，越来越受到人们的关注。脑-机接口是指在大脑与外部电子设备之间建立的一种新型的信息传递通道。它的最初目标是为残疾人提供一个与外界进行交流的方式，比如用思维操控轮椅、假肢等。但随着脑-机接口研究的发展和技术的成熟，它的应用也变得越来越丰富。脑-机接口主要分为以下几个部分：脑电信号的采集、预处理、特征提取和分类。由于脑电信号是一种非平稳随机信号，具有比较低的信噪比，而合理有效的特征提取算法可以弥补这种缺点，因此脑电信号的特征提取算法的研究对于一个完整的脑-机接口系统非常重要。
　　 本文在对脑电信号特征提取算法的研究中发现，通过使用合适的非平稳随机信号处理算法，并且结合时、频、空多域融合的特征，可以有效提高提取特征的可分性，进而增加后续分类的正确率。针对传统脑电信号处理算法中数据量大、分类正确率低等不足，首先，本文研究了脑电信号的预处理算法，提出了一种将多域融合技术应用到预处理阶段的算法，可以减少系统96.9％的空间运算数据量，并且降低了单次想象运动脑电信号95.8％的分类时间。其次，本文提出了一种基于时频空域的想象左右手运动脑电特征提取的方法，在原有仅基于时频域的特征提取方法基础上加入空域特征，从更多的角度描述脑电信号的内在特征，并且运用更适合处理非平稳信号的小波变换对原始脑电信号进行预处理和特征提取，克服了用分析平稳信号的方法分析非平稳的脑电信号带来的不足，提出的算法可使脑电信号的平均分类正确率提高2.5％，最高分类正确率提高4.8％，并且减少5.4％的分类时间。第三，本文提出了一种基于小波变换和时域能量熵结合的方法，提取P300脑电信号带内和带外特征。通过与其它方法进行比较可以发现，本文提出的方法在仅用一个电极采集的脑电信号和对脑电信号进行两次叠加平均的情况下，仍能将分类正确率提高1.45％-6％，并且至少降低了分类系统46.7％的运行时间。第四，本文进一步提出了小波变换结合Fisher距离的P300脑电特征提取算法，以脑电特征的Fisher距离为依据选择最优的特征，克服了传统基于小波变换的P300脑电特征提取算法中无系统方法选择特征的不足，并且可以提高1.2％的分类正确率.最后，本文也设计了自己的离线及在线BCI试验，并且取得了一些阶段性成果。分类实例表明，文本提出的脑电信号特征提取算法有效克服了脑电信号非平稳随机和低信噪比的缺点，具有先进性和实用性。所设计的各种特征提取算法均采用MATLAB进行了仿真和验证，与相关文献中的算法相比，本文提出的脑电信号特征提取算法有效地提高了脑-机接口系统的分类正确率，同时显著降低了脑电信号分类的计算量。

目录

文摘

英文文摘

致谢

一、绪论

1.1 脑电信号的机理和BCI的发展

1.2 脑电信号特征提取的研究现状和意义

1.3 论文的研究内容及组织结构

1.4 本章小结

二、小波变换基本理论

2.1 小波变换概述

2.2 小波变换在脑电信号处理中的应用

2.3 本章小结

三、基于多域的脑电信号预处理

3.1 脑电信号预处理方法概述

3.2 脑电信号采集电极的选择

3.3 基于多域的脑电信号预处理

3.4 本章小结

四、想象左右手运动脑电信号的特征提取

4.1 想象左右手运动脑电信号概述

4.2 想象左右手运动脑电信号特征提取方法

4.3 基于小波变换的想象左右手运动脑电特征提取

4.4 本章小结

五、P300脑电信号的特征提取

5.1 P300脑电信号及其特征提取

5.2 基于带内及带外特征的P300脑电特征提取

5.3 基于Fisher距离的P300脑电特征选择

5.4 基于能量熵多域融合的P300脑电特征提取

5.5 本章小结

六、脑电信号在线分类平台及试验

6.1 软件试验平台

6.2 BCI在线试验

6.3 本章小结

七、总结与展望

参考文献

作者简历及在学习期间取得的科研成果