当前位置：主页 > 医学论文 > 生物医学论文 >

基于小波包分解的意识脑电特征提取

发布时间：2016-10-12 16:38

本文关键词：基于小波包分解的意识脑电特征提取，由笔耕文化传播整理发布。

当前位置：文库下载 > 所有分类 > 工程科技 > 信息与通信 > 基于小波包分解的意识脑电特征提取_颜世玉

基于小波包分解的意识脑电特征提取_颜世玉

第8期颜世玉等:基于小波包分解的意识脑电特征提取1749

［4-6］。壮大，已经举办过3次BCI的国际会议

BCI的关键技术在于如何快速有效地提取EEG的特

3小波包变换

征和如何提高分类正确率。目前常用的特征提取和分类的方法大致有线性和非线性2类，其中特征提取的方法

［7］

快速傅里叶变换(fastFouriertrans-主要有功率谱法、form，FFT)法、AR)模型法［8］;共自回归(autoregressive，［9］同空间模式(commonspatialpattern，CSP)法，以及小

［10-11］［11］

、波(包)分析法混沌分析法等;使用的分类方法

小波变换是由傅里叶变换发展起来的一种多尺度的

信号分析方法，在时间、尺度两域都具有表征信号局部特征的能力，因此非常适合分析非平稳脑电信号的瞬态和时频特性。

信号f(t)的连续小波变换定义为:

Wx(a，b)=f(t)Ψt－bdt

a主要有线性判别法、k-最近邻规则法、人工神经元网络

［12］

法、支持向量机(supportvectormachine，SVM)法等。本文提出一种基于小波包变换的特征提取方法。该方法将大脑C3和C4处采集的2路信号利用小波包分解到4层，通过计算特征频带(8～12Hz)的小波包系数方差和相对小波包能量作为特征，使用最简线性分类方法，以分类正确率作为标准，经检验，较好地反映了脑电信号的事件相关去同步化(ERD)/事件相关同步化(ERS)［13］，为BCI研究中运动想象脑电的模式识别提供了新的思路。

∫

()

(1)

b)为小波变换系数，a为伸缩因子或尺度因式中:Wx(a，

b为平移因子，子，Ψ(t)为小波函数，t为时间。二进离散小波变换的定义为:

Cj，k=

∫

∞

－∞

f(t)Ψj，k(t)dt

(2)

=2－j/2Ψ(2－jt－k)。式中:Ψj，k(t)

在实际应用中，通常采用Mallat快速分解算法。相对于小波变换，小波包变换对上层的低频部分和高频部分，都进行了再分解，提高了时频分辨率，为脑电信号提供了更为精细的分析方法。

在满足测不准原理的条件下，小波包能将运动脑电信号x(t)按任意的时频分辨率分解到不同的频段，并将信号x(t)的时频成分相应的投影到所有代表不同频段的正交小波包空间上。设脑电信号属于尺度空间V，对其进行3Vi表示第i尺层空间划分的过程示意如图2所示。图中，1，2，…，2i－1)个小波包子空间

基于小波包分解的意识脑电特征提取_颜世玉

。度的第n(n=0，

2数据描述

本文的脑电数据来源于2003年BCI竞赛数据集

［14］Ⅲ，由奥地利GRAZ大学提供。实验是由一个带有反馈的在线BCI系统组成，所执行的任务是通过想象左右手运动来控制光标的移动，其时序如图1所示

基于小波包分解的意识脑电特征提取_颜世玉

。

图2

图1

脑电实验时序图

Fig．1TimingsequencediagramofEEGexperiment

小波包分解示意图

Fig．2Sketchdiagramofwaveletpacketdecomposition

0～2s为休息时间，实验持续9s，在第2s时有一提示声提醒被试注意，然后屏幕中央出现一个固定的十字，持续1s;第3s开始屏幕上出现一个向左或向右的连续移动的箭头，同时要求受试者想象左手或右手运动。实由差分电极从国际标准的验数据来源于同一个被试，

10/20导联系统的C3和C4通道获得，采样频率128Hz，共280次实验，每次实验9s包含1152个数据。其中有140次实验是经过出题者标记的，，即已知该次实验是左手运动还是右手运动，这部分数据作为训练集，另外140次没有给出运动方式，作为测试集。

由图2可知，经Mallat小波包分解，信号在低频和高

频部分都进行进一步地分解，这使得脑电信号x(t)经过变换之后，信息量保存相对完整，损失很少。

4特征考虑

当大脑皮质某区域被激活时，该区域的代谢和血流增加，同时进行性的信息加工可以导致脑电波Alpha节律(指EEG的8～13Hz成分)和Beta节律(14～30Hz成分)幅度的降低，称为事件相关去同步(ERD)。Alpha节律和Beta节律在大脑静息或惰性状态下表现出幅度

Word文档免费下载：基于小波包分解的意识脑电特征提取_颜世玉（下载1-5页，共5页）

我要评论