基于WICA的自發(fā)腦電信號的特征提取.pdf

1、隨著當(dāng)今社會的發(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動能力。為了便利這些患者的生活起居，越來越多的實驗室開始了腦機接口(BCI，brain-computer interface)相關(guān)研究。BCI作為一種新型的人機交互系統(tǒng)，它通過腦電采集設(shè)備采集相應(yīng)的腦電信號，提取特征進行分類，然后將不同的思維活動與不同的指令結(jié)合起來，實現(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最重要的一步。如何將人的想法用電信號的形式表達(dá)出來并且用來控制外設(shè)成為人們研究的熱點。思維腦電信號是人在進行一些特定的心理活動時所產(chǎn)生的腦電信號，其本質(zhì)也是自發(fā)腦電。進行腦電(EEG)信號采集時，安放在頭皮表面的電極不僅記錄了腦神經(jīng)元電活動，而且滲雜了各種干擾信號(artifact)，如工頻干擾、眨眼、眼球運動、心電干擾和肌電干擾等。因此，在腦電信號處理和分析中，腦電

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

4、其不確定性單獨使用ICA還有一定的局限性。
　　 本文主要是針對基于單任務(wù)運動想象的自發(fā)腦電信號的特征提取。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。通過對腦電信號進行ICA算法預(yù)處理，小波變換進行第一次特征提取，再利用infor-fast ICA算法進行二次特征提取，最終提取出能夠反映思維狀態(tài)的腦電節(jié)