基于WICA的自發(fā)腦電信號(hào)的特征提取.pdf

1、隨著當(dāng)今社會(huì)的發(fā)展，人們的生活水平越來越高，私家車輛也越來越多，交通事故發(fā)生幾率也隨之增高，很多人也因此而部分喪失甚至完全喪失運(yùn)動(dòng)能力。為了便利這些患者的生活起居，越來越多的實(shí)驗(yàn)室開始了腦機(jī)接口(BCI，brain-computer interface)相關(guān)研究。BCI作為一種新型的人機(jī)交互系統(tǒng)，它通過腦電采集設(shè)備采集相應(yīng)的腦電信號(hào)，提取特征進(jìn)行分類，然后將不同的思維活動(dòng)與不同的指令結(jié)合起來，實(shí)現(xiàn)人腦與外設(shè)之間的聯(lián)系。BCI的出現(xiàn)，使得

2、利用意念直接控制外設(shè)的想法成為可能。
　　 特征提取是腦電信號(hào)最重要的一步。如何將人的想法用電信號(hào)的形式表達(dá)出來并且用來控制外設(shè)成為人們研究的熱點(diǎn)。思維腦電信號(hào)是人在進(jìn)行一些特定的心理活動(dòng)時(shí)所產(chǎn)生的腦電信號(hào)，其本質(zhì)也是自發(fā)腦電。進(jìn)行腦電(EEG)信號(hào)采集時(shí)，安放在頭皮表面的電極不僅記錄了腦神經(jīng)元電活動(dòng)，而且滲雜了各種干擾信號(hào)(artifact)，如工頻干擾、眨眼、眼球運(yùn)動(dòng)、心電干擾和肌電干擾等。因此，在腦電信號(hào)處理和分析中，腦電

3、信號(hào)的消噪是一個(gè)關(guān)鍵問題。
　　 如何從采集到的原始腦電信號(hào)中提取有用的信息是腦電信號(hào)處理的一個(gè)重點(diǎn)及難點(diǎn)?，F(xiàn)代小波變換方法和獨(dú)立分量分析方法的提出為有效地分析腦電信號(hào)提供了新的途徑。腦電信號(hào)是非平穩(wěn)信號(hào)，復(fù)雜并且不穩(wěn)定，如果單獨(dú)應(yīng)用小波包提取出的特征信號(hào)往往特征不夠明顯，容易遺漏信息。獨(dú)立分量分析是盲源分離的一種方法。考慮到所要提取的特征波就是混合腦電信號(hào)中的一個(gè)獨(dú)立分量，應(yīng)用獨(dú)立分量分析在一定程度上可以分離出特征波。但是由于

4、其不確定性單獨(dú)使用ICA還有一定的局限性。
　　 本文主要是針對(duì)基于單任務(wù)運(yùn)動(dòng)想象的自發(fā)腦電信號(hào)的特征提取。我們提出了一種新的基于infor-fast ICA算法的腦電信號(hào)的特征提取方法也就是將小波變換(Wavelate Transform)與ICA方法相結(jié)合即WICA的方法。通過對(duì)腦電信號(hào)進(jìn)行ICA算法預(yù)處理，小波變換進(jìn)行第一次特征提取，再利用infor-fast ICA算法進(jìn)行二次特征提取，最終提取出能夠反映思維狀態(tài)的腦電節(jié)