（控制理论与控制工程专业论文）基于脑意识任务的脑机接口设计.pdf

摘要 基于e e g 信号的脑一计算机接口 b c i 是近年来一个热门的研究领 域 基于脑电的b c i 并非试图解释自发脑电 而是使人产生容易被解释的 脑电 b c i 识别出这种脑电后 就可以做出不同的选择或发出不同的指令 b c i 的构架可以简单划分为两部分 前端为脑电讯号的特征提取与辨识 后端则为与其他硬体的结合与应用 例如手部假肢 电脑 利用脑电信 号控制鼠标 等等 本文的工作重点在前端 设计了 种进行意识思维 任务时脑电信号 b e g 的高辨识率二分类b c i 并提出了一种应用此二 分类b c i 进行多种工作任务识别的方法 首先 应用独立分量分析方法 i c a 对e e g 数据进行了预处理 去 除了e e g 数据包含着的其他电生理信号成份及其他干扰信号 然后 应 用a r 模型系数 近似熵和小波熵三种方法对去伪迹后的e e g 数据信号进 行特征提取 其中小波熵不仅可以表征信号复杂度在时域的变化情况 也可以表征信号的诸多频域特征 具有良好的时频局部化能力 适合对 脑电信号进行处理 最后 应用设计的b p 神经网络 r b f 神经网络和支 持向量机三种分类器 分别对两种不同的脑意识意识任务状态的特征数 据进行了两两分类 并将三种分类器的分类结果进行了比较分析 其中 以支持向量机的分类正确率最高 分类结果为 当选用合适的意识任务状态 小波熵特征提取方法及 支持向量机分类器时 分类正确率达到9 5 此分析结果表明 脑意识 任务可以作为现在b c i 脑机接口 设计中的输入信号 小波熵能有效 提取脑意识任务的意识信息 可以将其应用到脑意识任务b c i 的特征提 取中 支持向量机可作为此b c i 设计中可行的分类器 本文针对此二分类b c i 具有高分辨率的特点 提出了应用此二分类 b c i 进行多种工作任务的识剐的方法 最后震望了今螽b c i 鹪发震方商 在离辨识的基础上 实现实时 生 关键词 小波漓 籀电信号 神经丽终 脑一计算瓿机接瑟 支持向量辊 a b s t r a c t b r a i n c o m p u t e ri n t e r f a c e b c i u s i n ge l e c t r o e n c e p h a l o g r a m e e g s i g n a l si sah o tr e s e a r c hs u b j e c ti nr e c e n ty e a r s i tm u s t b em e n t i o n e dt h a tb c ib a s e do ne e gisn o tt oe x p l a i ne e g b u tt o i d e n t i f ye e g t h es t r u c t u r eo fab c ic a ns i n g l yb ed i v i d e di n t o t w op a r t s t h ef r o n ti se e gs i g n a l sc h a r a c t e re x t r a c t i o na n d c l a s s i f i c a t i o n t h eo t h e ri sc o m b i n a t i o na n da p p l i c a t i o nw i t h n e c e s s a r yh a r d w a r e h e r et h ef o c u si st h ef r o n t d e s i g n i n gah i g h c l a s s i f i c a t i o nb c io n l yu s i n gs i m p l es e n s i b i l i t i e sm e n t a lt a s ke e g s i g n a la n di n d i c a t i o nam e t h o du s i n gt h i sb c it os o r tm a n yk i n d s o ft a s k s f i r s t i c aw a su s e dt or e m o v et h en o i s ei ne e gd a t a s e c o n d e x t r a c t i n ge e gd a t ac h a r a c t e r so ft h r e ed i f f e r e n tm e t a lt a s k su s e d a rm o d e l c o e f f i c i e n t t h e a p p r o x i m a t e e n t r o p y a n dt h e w a v e l e t e n t r o p y a m o n gt h e m t h ew a v e l e t e n t r o p yn o to n l ys h o w e d t h es i g n a l sc o m p l e xi nt i m ed o m a i n b u ta l s os h o w e dt h es i g n a l s o t h e rc h a r a c t e ri nf r e q u e n c yd o m a i n s oi ts u i tt od e a lw i t he e g s i g n a l f i n a l l y c l a s s i f i e ra d o p tb pn e u r a ln e t w o r k r b fn e u r a l n e t w o r ka n ds u p p o r tv e c t o rm a c h i n e s v m s v ma c h i e v et h eh i g h e s t a c c u r a c yc o m p a r i n gt h e s e t h r e ec l a s s i f i e r sr e s u l t t h ee x p e r i m e n t a l r e s u l ts h o w st h a tt h ef e a t u r ee x t r a c ti o n m e t h o du s e d w a v e l e t e n t r o p ya n ds v m c a n g e tah i g ha c c u r a c y c l a s s i f i c a t i o n a b o u t9 5 t h e r e s u l ti n d i c a t e st h a t s e n s i b i l i t i e sm e n t a lt a s k sc a nb e u s e da st h e i n p u to fb c l w a v e l e t e n t r o p yw o u l db eap r o m i s i n gm e t h o dt oe x t r a c tf e a t u r ef o r b c id e s i g na n ds v mi saf e a s i b l ec l a s s i f i e rf o rb c id e s i g n t h i sb c ic a nb eu s e df o rc l a s s i f i c a t i o no fs e v e r a lm e n t a lt a s k s m e a n w h i l ei tp o i n t so u tt h i sb c if u t u r ed e v e l o pt r e n dw h i c hi st o h a v er e a lti m er e s p o n s e k e yw o r d sw a v e l e t e n t r o p y e e g n e u t r a ln e t w o r k b c i s v m 学位论文版权使用授权书 y 1 0 1 3 9 5 0 本学位论文作者完全了解学棱有关保留 使用学位论文静瓶定 同意学校保留并向国家有关鄙门或机构送交论文的复印件和电子舨 兔许论文被查阅差鞋借阗 本人授权江苏大学可以将本学位论文的全部 内容或部分内容编入有关数据库进行检索 可以采用影印 缩印或扫 描等菱镱l 手段僳存帮汇编本学位论文 保密口 在年解密蜃适用本授权书 本学位论文属于 不保密耐 学筏论文于挈蠢签名 弓眵麟 签字f 1 期 即6 年彳月陟闩 学位论文 筝喾毕业囊去囊 工 乍单位 逶毫戟建筑 镧魏体姊 签字f f 期 0 彩年6 月7 孑f t 邀瑟 都编 独创性声明 本人郑重声明 所呈交的学位论文 是本人在导师的鞭导下 独立避 牙研究工 乍辨取得躲藏巢 除文中已经注鹗引髑的 内窖以外 本论文 不包含任何其他个人或集体已经发表或撰写过的作品成果 对本文的 研究傲出霪臻贡献的个人和集体 均已在文中以明确方式标蹋 本人 完全意识至4 本声明的法律结果由本人承捏 学位论文作者签名 部纯 童 目期 泐f 年 月l 曾日 江苏犬学硕士学做论文第一章绪论 第一章绪论 耍想实现b c i 肖两个条件是必须满足的 1 必须有一种能够反瞅人脑不同状态 懿继雩 2 逡秘售号必矮戆够实时或浃速被撬取窝分类 藏懑售号 嚣 楚潢是这 两个条件的 当人进行不同的感觉 运动或认知活动时 脑电信号是不同的 此外 藏毫记录麓肇 无翻 嚣 l 毙震脑电信号实现b c i 系统怒可孝亍的 1 1 脑一计算梳祝按疆 b c l 技术懿发展动态 1 1 1b c i 的产生及结构 大脑入机接口 b r a i nc o m p u t e ri n t e r f a c e b c i 是剃用脑部信号 e e g 让 使用者可以藏接与外界沟通 这项技术的基础在于 当大脑灞动的时候 会产生特 定的脑波变化 我们可以利用脑电波仪器对腻电信号进行监测与辨识 最后用来控 制仪器或竣囊售号 起翅 l 邀耱技本蛉嚣戆奁予蘩助嚣势经黢凌按经聪露动受列阻碍 的人 如肌肉萎缩 中枢神缀系统损伤 重媵中风的病人等 使他们可以不糯要依 靠溪渣丰孛经耱魏痰 缱够往粥e e g 僚号 就哥疆达戮与静界沟通 传递信惠 蠢主 行动 以及自我照顾薅目的 随着脑机接口的发展 一方面b c i 不但能够达到与外 界沟通 传递信息 翻主行动 以及臼我照颟等的茸的 另一方面 b c i 技术亦可被 广泛地应用猩工业控制 航天或者军凑上等 所以脑机接口在近几年来受到国内 外各研究团体的广泛蓬视 b c i 系统通常l 圭l 鳃部分缝成 信号采集系统 售琴处理系统 模式识别系缓和控 制装鼹系统 如图l 1 反映大脑活动的电生理信号由电极从头皮或者大脑内部获 取势传送妥放大器 滚信号缀过藏大 1 0 0 0 0 猿左右 滤滚 模数转挟 a d 游蘸饕 处理后传送到计算机中进行复杂的信号处理和模式识别 提取出与使用者意图相关 的倍鼍特征鬃 弼诱发电位的幅值 e e g 的节律或荜个神经元的触发神经元的触发率 等 信号特征量被转换成控制命令慝用来控制外界装置 如文字处理器或神经修复 装置等 为了优化系统的性能 有些b c i 系统还设鬣了反馈环节 不仅能为使用者 江苏大学硕士学位论文 第一章绪论 操作b c i 系统提供指示 还能帮助使用者根据反馈信息来改变脑电信号 i i 2b c i 的应用与发展 图1 1b c i 系统组成 自6 0 年代以来 认知心理学和神经科学在电生理学上的研究成果 特别对人脑 在各种状态下所产生的特定e e g 信号的研究 显示出不同的心理任务会不同程度的 激活局部头皮区 例如 运动想象 视觉刺激等 这为b c i 的研究提供了理论依据 9 0 年代中期随着信号处理和机器学习等研究技术的发展 b c i 的研究逐渐成为 热点 n a t u r e 杂志在2 0 0 0 年刊载了题为 r e a lb r a i n sf o rr e a lr o b o t s 的文章 报道了从猴子大脑皮层获取的信号实时控制千里之外的一个机器人 2 0 0 2 年美国国 防部高级研究计划署 d a r p a 出于军事目的投入巨资于b c i 从而掀起了一个b c i 研究高潮 经过三十多年的发展 b c i 系统已经能够控制许多不同的装置 如控制屏幕指针 进行2 4 种运动 滚动的飞机模型 拼写装置 膝关节和手的抓握装置等 原 则上 只要运算法则能够成功地完成信号的识别 任何电子装置都能控制 现在b c i 在国内外均处于实验探索阶段 目前较为具体的成果发现 2 0 0 0 年美 国杜克大孥 d u k eu n i v e r s i t y 的研究成果 猴子能学会在不做任何动作的情况 下 直接使用大脑控制机械手臂 做出伸手以及抓取的动作便是一例 最初 猴子 学着使用摇杆控制机械手臂的活动 以让机械手臂往目标移动 此时工作人员同步 纪录下当时猴子脑部皮质的电流讯号 紧接着 将摇杆和机械手臂连接切断 而利 用先前所录讯号中归纳出的特征作为判定的标准 决定机械手臂的活动 起初 猴 子发现自己对摇杆的操作无法有效地控制机械手臂地活动 经过一阵徒劳无功地努 力之后 突然间 猴子就像开了窍一般 认知了不需做手部动作 机械手臂就会随 江苏大学硕士学位论文第一章绪论 着自己地想法而运用 进而舍弃使用摇杆 而随着尝试次数地增加 猴子对整个系 统地控制也更加平顺 研究者更进一步让这些控制讯号透过以太网传输 成功地让 好几百公里以外另一间实验室的机械手臂也进行相同的运动 1 2 脑电信号 1 2 1 脑电图 e e g 脑电图 e e g 1 是脑电细胞的电生理活动在大脑皮层或头皮表面表现出的电 现象 早在1 8 7 5 年英国的r g a t o n 3 就首先在动物脑记录出电活动 首先发现并精 确描述了人脑活动的是j e n a 大学的h a n sb e r g e r 3 他于1 9 2 4 年开始研究人脑的 电活动 并把脑电活动总称为脑电图 e l e c t r o e n c e p h a l o g r a m 简称e e g 脑电图 是通过脑电图仪将脑自身微弱的生物电放大记录成为一种曲线图 如图1 2 为一导 脑电图 以帮助诊断疾病的一种现代辅助检查方法 它对被检查者没有任何创伤 现在脑电图在研究方面 以及在诊断癫痫 脑瘤等神经科疾病方面所起的作用已得 到公认 成为脑部疾病的一项常规检查 随着现代科学技术的发展 e e 6 不仅用于临 床医学 而且广泛应用军事医学 航空航天医学 深海医学 以及心理学等方面的 研究 e e g 以成为人们了解脑功能的重要途径 特别是脑电图在研究大脑的高级思维 活动方面有不可替代的优势 总之 有关e e g 的研究正在不断发展和日益深 化 孙龇f 彬 锄晰q 1 2 2 脑电信号的特征 图1 2 一导脑电图 在对信号进行处理变换之前 必须要了解所处理信号的特点 这样才能够找到 3 江苏大学硕士学位论文第一章绪论 合适的方法进行处理 脑电信号作为一种生理电信号 它具有自身的特点 1 脑电信号非常微弱 且背景噪声很强 般e e g 信号只有5 0 矿左右 背 景噪声强是指非研究对象的信号在观察中有很强烈的表现 例如精神紧张 面部肌 肉动作等带来的伪迹 强烈的工频干扰等 因此脑电信号的提取与处理对检测系统 分析系统有很高的要求 包括要求有高输入阻抗 高共模抑制比 低噪声放大技术 能从强噪声中提取弱信号的高质量滤波措施等 2 e e g 信号是一种随机性很强的非平稳信号 所谓非平稳信号是指信号的统 计特征与开始进行统计分析的时刻无关 事实上不但脑电的节律随精神状态的变化 而不断变化 而且在基本节律的背景下还会不时地发生一些瞬态 如快速眼动 癫 痫病人的棘波或峰波等 非平稳性是由于构成e e g 信号的生理因素始终在变化 而 且对外界的影响又有自适应能力 因此e e g 信号又是统计特性随时问变化的非平稳 信号 3 非线性 生物组织的调节及适应机能必然影响到电生理信号 使脑电信号 具有非线性的特点 4 e e g 信号的频域特征比较突出 在h a n sb e r g e r 首次描述脑电活动时 就使 用了频率的概念 利用频谱分析的方法 可以准确地确定脑电图的频率范围 目前 一般公认的人类脑电活动的频率范围在0 5 3 0 h z 之间 因此 与其他生理信号 如 心电图 相比 功率谱分析及各种频率处理技术在e e g 信号处理中占有重要的位置 通常把脑电的频率范围划分成几个频带 并用希腊字母表示各个频带的脑电波 表l 一1 所示为s c h w a b 在1 9 5 1 年提出的分类方案 表1 1 脑电波频带划分 频率范围 h z 名称 o 5 3 4 7 8 1 3 1 4 1 7 1 8 3 0 3 0 d e l t a 波 t h e t a 波 a l p h a 波 s i g m a 波 b e t a 波 g a m m a 波 6 0 q 0 b r 江苏大学硕士学位论文第一章绪论 1 3e e g 信号分析技术 e e g 信号是大脑神经元电活动的直接反应 包含着丰富的信息 但脑电信号幅值 小 其中又混杂有噪声干扰 如何从e e g 信号中抽取我们所感兴趣的信号是一个极 为重要的问题 自1 9 3 2 年用傅立叶变换方法分析脑电的文章发表 工程信号处理方 法在脑电分析中得到了广泛的应用 在已有的研究中 所使用的e e g 分析方法主要 有时域分析 频域分析 高阶谱分析 人工神经网络 时频分析 熵理论等几种方 法c 1 4 1 5 c 1 6 1 7 下面给出简要介绍 1 3 1e e g 信号的时域分析 直接从时域提取有用波形特征是最早使用的e e 6 分析方法 至今仍有不少脑电 工作者在使用 这类方法主要是利用e e g 波形的性质 如波幅 均值 方差 偏度 和峭度等对临床e e g 记录由脑电师进行的观察分析 可以看出是一种人工时域分析 尽管大量脑电特征信息反应在频率特征上 但也有些重要信息在时域上更易于观察 和分析 如反映癫痫信息的棘慢波 反应睡眠信息的梭形波等 在e e g 研究中 常 用的时域分析方法有 过零点分析 直方图分析 方差分析 相关分析 峰值检测 波形参数分析和波形识别等等 因此 时域分析不仅直观 而且分析结果的意义也 明确 上述这些特征参数可用于e e g 的分类 识别和跟踪等 此外 由于时域波形 包含e e g 的全部信息 而且 时域分析一般都是对e e g 波形的一次性处理 因而 在处理过程中损失的信息也较少 然而 由于e e g 波形的形态过于复杂 目前 还 没有一个特别行之有效的分析e e g 波形的方法 此外 利用参数模型 如a r 模型等 提取特征 也是信号时域分析的一种重要 手段 1 9 7 1 年d i j k 首次把a r 模型 a u t o r e g r e s s i v em o d e l 应用到e e g 分析上 a r 模型的基本思想是假设可以用a r 过程近似真实e e g 信号 基于这一假设 根据实 际e e g 信号 选取合适的阶次 参数使得a r 模型所对应的a r 过程尽可能逼近e e g 信号 1 3 2e e g 信号的频域分析 频域分析是e e g 研究及临床应用中的主要分析方法 频域分析方法主要是e e g 5 江苏大学硕士学位论文第一章绪论 的功率谱估计 其意义在于通过计算e e g 信号的功率谱 即把幅度随时间变化的脑 电波信号变换为脑电功率随频率变化的谱图 可以直接观察e e g 中6 0 n 0 1 3 y 等节律的分布与变化情况 在e e g 的定量分析中 功率谱估计是各种频率分 析方法的基础 利用功率谱可以分析e e g 的节律 在诸如睡眠和麻醉深度的分期 智力活动与e e g 之间的关系 脑病变和脑损伤在e e g 上的反映以及环境 噪声 超 短波等 对人的影响等方面都有人通过功率谱分析进行过研究 谱估计通常分为经典方法和现代方法 经典方法以傅立叶变换为基础 一定长度 的信号均可以分解为一系列不同频率 幅值 相位的正交正弦信号 利用傅立叶变 换 可以得到任意频率的正弦组份的幅值和相位 从而得到信号的频率谱 傅立叶 变换结果的幅值的平方即为功率谱 e e g 信号的节律活动在频率谱中表现为该频率处 的峰值 傅立叶变换在e e g 的数据分析中 得到广泛应用 对于e e g 信号进行频谱 分析 可以得到e e g 信号的全部频率信息 但是丢失了时间信息 对于平稳信号 由于信号的频率成份不会随时间改变 时间信息的丢失不会带来问题 但是对于非 平稳信号 例如具有瞬时频率的e e g 信号 我们希望知道某一时刻信号的频率组成 就不得不考虑信号的非平稳性 在现代谱估计方法中 参数模型法是应用最广泛的一种方法 近年来在e e g 信号 处理中应用较为普遍 这种方法首先根据时间序列的先验信息 或一些假设 选择 一个代表随机过程的参数模型 然后 利用采样数据序列或自相关延迟序列估计该 模型的阶数 以及模型中各个参数的值 最后利用估计出的参数模型计算功率谱 a r r a a r m a 及谐波信号模型等都是现代谱估计常用的模型 参数模型法的优点是 频率分辨率高 得到的谱图平滑 有利于提取e e g 的特征 这种方法特别适用于要 求短数据处理的场合 因此 可以对e e g 进行动态分析和分段谱估计 在e e g 信号 的谱估计中 使用的较多的参数模型是a r 模型 1 3 3e e g 的高阶谱分析 高阶谱定义为高阶累计量的傅立叶变换 功率谱反映的只是信号的二阶统计量 如功率谱 相关函数等 中的信息 却丢失了包括相位在内的高阶信息 而这些 信息对e e g 分析往往有重要的价值和意义 从理论上讲 高阶谱可以包括信号的全 部信息 能够为模式识别和信号分类提供有用的特征 双谱 b i s p e c t r u m 是 江苏犬学硕士学位论文 第一辩绪论 高阶谱中最綦本的一种 双谱包含了信号的相位信息以及各种频率分燕的相关信息 在嚣蹇凝时蚓瘳到懿分提孛泛在残戈一令重要静工其 1 3 4e e g 的时频分板 e e g 中诲多特缝信息嫠怒题波形搂述懿 然薅 囊接使蠲渡形分辑方法 缓难撬 取这姥特征佰息 另一方面 e e g 的频率特征反映了大量的膪电活动信息 而且 在 许多谤凌下 扶频城骚察e e g 信号邀受务合壤 疆楚 透过凝域努耩又无法褥副e e g 信号局部特征 并且 使用谱估计等频域分析方法通常要求信号应当是平稳的 而 e e g 又是一个典型的非平稳信号 事寓上 对于e e g 倍号中的某些特征来说 从定量 分析的角度 无论是单纯从时域还是单纯从颇域都无法提取 因此 人们缀皇然地 想到采用时域分析方法 近年来 使用时域分析研究脑电得到了较大地发展 其中小波分援在脑龟分板孛褥到了蠢效应用 小波变换 w a v e l e tt r a n s f o r m 啪 2 是从八十年代后期发展起来的 个应用 数擎戆分支 夸渡交换终秀蒋立时分辑戆扩篪 在僖号憝理领域被邋速撬广 著藏 用于解决实际问题 燕基本含义是 把某一被称为纂本小波 或称为母小波m o t h e r w a v e l e t 函数作位移嚣在不同尺度下帮待分析信号作内积 小波分祈是一种能够提 供信号精细信息的分析方法 它对信号的低频部分和高频部分同时进行分解 可以在 频域和时域嗣时定位分析非平稳时变信号 阂此可以得到信母在时域的动态变化信 息 1 3 5e e g 的神经网络分析 人工神经网络的正俸原鳃来源于大脑 葵绩毒每 学习算法都是模仿中柩襻经系 统和丈脑工作过程的产物 神经网络作为一种自适应模式识别方法 可以把专家的 学嚣稳数学冀法有撰蟾结合越来 嚣是对技分辑绩号的统计特缝咒乎没有要求 1 这个优点正魁分析e e g 信号所需的 从八十年代末以来 人工神经网络的应用已涉 及囊藏毫分季筇豹各个方蔼 镌括e e g 中特 歪波形豹挝取 簿鬣e e g 豹分输 药镑 管 用的搽定和麻醉深度的分析 以及诱发电位的波形提取 波峰的辨识 非线性滤波 醑力阀值测试 器官功能检测和通遗脑电进行人视接口 高级认知滔鞠等 7 江蒜大学硕士学位论文第一章绪论 1 3 6 熵理论 熵 e n t r o p y 是由希腊字母拼成的 意思是 转变 在统计物理学中 热熵 是一个物理系统杂魏性 无窍性 豹度量 嚣在售惑谂孛雏越剐表示事謦发象不磋 定性的度量 信息熵h 是信息的度量 信息熵日是在一定的状态下定位系统的一种 售感测瘦 它是对彦弼寒鲡程凄豹 耪度量 可敬潮来售诗髓祝售号海复杂傲 以上只是简单介绍了信息熵 商许多其他的熵定义尚未提及 如复杂度 近似 熵 互近柱熵 以及互信息 信息藏异等 1 4 本文王作蠹容 b c i 静掏粲遣萄珏简单划分为两部分 静端为籀泡讯号的特征撬敬与辨识 君端 则为与其他硬体的结台与成用 例如手部假胺 电脑 利用脑电信号控制鼠标 等 等 基于脑电的b e t 的应用前景 将取决于人们能否e e g 中找到反映意识状态的信 号掇取方法和相应的算法 能够在多大程度上提离系统鲍可纛性 联鞋 现阶段国 内外地研究震点主凝在前端 即寻找辨识率高的特征向量和分类效果好的分类器 提纛系统戆霹靠毽 本文将鼹体介绍几种特征提取方法和分类器的设计 利用这些方法设计一个高辨 援率静二分类b c i 罐毒应潮我二分类b c i 逐行多静工箨饪务识疑静方法 本文匏工 作羹点是设计一个商辨识率的二分类b c i 主要进行以下几项研究内容 1 对意识任务e e g 数据迸行预处理 即去除伪迹和其他干扰佰号 2 邋过分析a r 模型系数 近似熵 小波熵三莘中特征提取方法 娃寻找适合提 取脑意识思维任务e e g 信号特征的方法 并用m a t l a b 语言实现三种方法的算法 3 设毒卡一个巍洪识攀瓣分类器 在m a t l a b 中安褒 茂分类器壤餐在毒孛经弱终 与支持向量机中寻找 4 钟怼踅二分类b c i 提蹬獒应矮藏景 s 江苏大学硕士学位论文第二章b c i 的特征提舣方法 第二章b c i 的特征提取方法 b c i 的输入为e e g 信号 输出为控制信号 为了获得预想的控制信号 b c i 要能 够麸浚入戆e e g 售号中提取合适戆特短 b c i 霹采弱簇蠛耪镬 妇e e g 懿 节律 等 和时域特征 或是时频特征 特征的提取方法又很多 如e f t 特定频域功率谱 耋麓癌 舔 模鍪 双谱售计 小波变换等麓 采黼的特徭褥取方法是b c i 获褥稳 定的控制信号的关键 本章论述本文所用的提取e e g 信号的基本理论和方法 介绍 了a r 模型系数 及小波分析两种理论方法 霪点介绍将小波分析与谪理论结合的小 波熵算法及 i 琏似熵算法 2 1 a r 模型 在时间序列分孝斤中 线性模型的研究日越成熟 并在工稷中得到窍效应用 在工 程领域 a r 模型的成用比m a 模型和a r m a 模裂更为广泛 这怒因为a r 模型参数辨识 比较麓单 实时性较好 旦已涯明嫩模型积a r m a 摸燮霹圭艨模型遂近 将熊模型 应用到e e g 分析中的基本思想是假设可以用a r 过程j 鹱似真实e e g 信母 并且假设e e g 售警是霹双躅一令线经滤波器来搐述英产生 建疆 并星系绕麴赣窭可夔交输窭蕊当 前状态和过去状态来确定 蒸于这一假设 根据实际e e g 信号 选取合适的阶次 参数使得熊模餮所对应的a r 过程尽可能遥近e e g 倍号 1 9 9 0 年 k e i r n 8 磺究小组 记录了六导联的脑电信号 刹用功率谱分析及单变鬃自回归 s a r 模溅方法提取e e g 信号特征 并通过b a y e s 分类器对5 种类型的意识任务进行了两两对比分类 正确 率越过了8 0 t 9 9 8 年 a n d e r s o n 等根攥多变量躲蠡尽织摸型 m v a r 理论对联 种意识任务下的自发脑电信号进行特征提取 利用前馈神经网络进行意识任务进行 分豢 分类正确率意遮9 l 4 蔼 2 1 1 单交燕自回归 s v a r 模型方法 一个p 玲戆叁爨归j 童程a r p 瓣藏溺黪列可写藏 x h 口p l x n 一1 口p x h p 8 力 2 1 9 江苏大学硕士学位论文 第二章b c i 的特征提取方法 其中 a p i 口阳 a p 为模型的系数 e c n 是均值为零 方差为盯2 的纯随机过程 求解a r 模型的参数有几种比较常用的方法 例如 自相关法或尤拉一沃克 y u l e w a l k e r 法是通过不同算法求解尤拉一沃克方程来得到a r 模型估计的参数 伯 格 b u r g 法利用莱文森 l e v i n s o n 递推来估计反射系数 从而确定a r 模型的参数 常用的方法还有协方差法 修正协方差法等 本文介绍伯格算法来求解a r 模型系数a 因为此方法与其他方法相比 具有 更高得精确度 将公式 2 1 两端同乘以x n k k o l 1 一 p 同时求数学期望 即得 o o o 1 k p o 1 k o g p 一1 k p k p 一1 o o 1 a n i 口p p 显然 当式2 2 中p 0 时 有b k 0 0 0 1 o 当p 时 有 r k c o r 1 儿l l 吒1 可解得口u 一k 1 o 鼻 p o 1 一i a l 1 1 2 k o k 1 k r 2 1 1 r1 b 当p 2 2 时 有l 乏曷乏譬乏 i w l i 儿吒a i 2 l 0 jl k 2 k 1 k l u j j ld 2 2 lj 2 2 2 3 2 4 解得 a o 2 q r 1 p l 口 q a 2 旭 最 鼻 1 一k 2 依此类推得下面递推公式 r口一i 口n 3 一 p a p l k l x x p k k 1 o 一 2 5 u a p 口川 i 口p p a p 吐时 k 2 p 从上式可看出 若已知p 1 阶参数 川p 1 a p l p l 和e 一 后 就可推得p 阶 参数 我们称 2 5 式为l e v i n s o n 递推公式 利用此递推公式 再去计算预测误 差滤波器的最末项口 p p 的值 我们称p 为偏相关系数或发射系数 0 垩蔓查堂堡主兰些堡奎兰三兰l 曼兰竺塑笪型璺立 蔓一 2 1 2 多变量的自回归模型 m v a r 通常p 阶m 维m v a r 模型由下面方程表示 即 h w 羔4 2 6 式中 k r m 为当前时刻朋维向量 毛为零均值 协方差矩阵c 只 的不 相关随机噪声向量 一2 爿 r 为m v a r 模型的系数矩阵 w r 为非零均值 时间序列的截取项 这里介绍应用最小方差准则估算 一4 4 以 w 2 7 式中 q 表示期望值 假设所测量数据的长度为n p 则式 2 6 可以表示 为 k 眠 毛 2 8 式中 b w44 4 p n l 2 n 1 v n 1v 和 v 州 1 利用最小均方差准则 要使 h b u 2 最小 则 b w u i 2 一l o 通过式 2 1 0 可以求得m v a r 模型的系数4 4 a p 由于直接求解u 的计 算量较大 下面介绍一种快速算法 首先构造矩阵m 即 m 眵 1 k 7 k 2 1 1 对k 进行q r 分解 即 k 职 2 12 式中 q 为正交矩阵 r 为上三角矩阵 则存在 9p 矿 k 1 l r u 胪 令 1 j 0 嵋 m 一 匿 弘 l d i j 矿矿 江苏大学硕士学位论文第二章b c i 的特征提取方法 r 降r l l 0 r 2 2 j 其中r 与胄2 2 也为上三角矩阵 所以 m 瞄w k r k r t q t 鲫 r r ri r r v是 l r i 冠 b r 1 l 一1r 1 2 1 c r 2 2 r r2 2 n n p 由上面的推导过程可以看出 由于q r 分解的高效性 上三角矩阵 使得b 与c 的计算过程被简化 2 1 3 模型阶数的选择 2 1 3 2 1 5 且r r l l 与r 2 2 均为 模型的阶数估计是a r 模型参数估计中一个很重要的部分 若模型的估计阶数与 实际阶数相差较大 估计结果就不能较好地反映原信号的特征 用来估计模型阶数p 的方法有最终预测误差准则 f p e a k a i k e 信息准则 a i c 及基于贝叶斯理论的 准则函数 s b c 方法很多 这里我们不详细论述 根据以前的研究成果 我们知道采用3 7 阶的效果较好 2 2 小波分析技术 小波分析 是数学界的一个重要分支 近年来越来越受到各个学科领域的极大 重视 早在1 9 5 2 年 c a l d e r o n 和z y g m u n d 就开始了对小波的纯数学研究 然而 小波在工程上的大规模应用是近十年的事 目前 小波理论已被成功地应用于很多 领域 如应用数学 量子力学 物理学和信号分析等 其中 在信号处理领域 如 图像处理 语音识别 数据压缩和多分辨率分析等 小波变换是一种强有力的分析 工具 在生物医学领域中 病理诊断 病情检测的研究 都受到很大的重视 小波方法是一种窗口大小 即窗口面积 固定但其形状可以改变 时间窗和频 率窗都可以改变的时频局部分析方法 即在低频部分具有较高的频率分辨率和较高 时间分辨率 在高频部分较低的频率分辨率和较高的时间分辨率 所以被誉为 数 学显微镜 正是这种特征 使得小波具有对信号的自适应性 小波变换是一种新的可达到时 空 域或频率域局部化的时一频域或空一频域 r 峨r 砭 江苏大学硕士学位论文 第二章b c i 的特征提取方法 分析法 它被认为是傅里叶分析发展的新阶段 具有许多其它时 空 一频域分析 如g a b o r 变换 v i g i n e r w i l l e 分布 所不具备的优良特性 如正交性 方向选择 性 可变的时 空 频域分辨率 可调整的局部支持 以及分析数据量小等 这些 良好的分析特性更加使得小波变换成为信号处理的一种强有力的新工具和手段 2 2 1 小波分析 小波是满足某些要求的函数 术语 小波 来源于它的积分等于零的要求 即 在t 时间 轴的上下 波动 小波的 小 意昧着函数具有良好的局部性 其他 的要求是技术的 并且大部分要求是为了保证小波变换和逆小波变换可以快速和容 易计算 小波的数学定义是 设函数妒 f r r 满足条件 j 妒 f 瑚 0 2 1 6 r p 为基本小波 p r o t o t y p e 引入尺度因子 伸缩因子 和平移因子b 口 和b 满足 口 6 r 且a 0 将基本小波进行伸缩和平移 得到下列函数族 虬 f i i v 2 y t b 2 1 7 虬一 f 为分析小波 f 称为基本小波或母小波 其中的尺度因子日决定了小波 变换中的频率信息 平移因子6 决定了变换结果中的时域信息 由此可见 小波函数 是同时具有频域和时域定位特征的函数 2 2 2 连续小波变换 函数f t l 2 r 的连续小波变换 c w t 定义为 c 呢户 丽 i 礼伽 殍妒 t b d t 2 1 8 式中丽为少 的共轭函数 若p r 为实函数 则丽 妒 f 若基本小波满 足条件 铎国 o z b k b o a b r z 则小波虬 f 变为 疗j 加 口i t k b o 离散小波变换定义为 d 呢 62f r f t q j j l o a t 2 2 0 为了使小波变换具有可变化的时间和频率分辨率 适应持分板傣号的非平稳性 我们很自然地需要改变a 和b 的大小 以使小波变换具有 变焦距 的功能 换言之 在实际中采用的楚动态躲采样阚络 毁鬻用酸是二进测蛇动态采群瓣终 鄹 t o 2 b o 1 每个网格点对应的尺度为2 而平移为2 j ka 由此得至t 1 4 波 矿 2 j z 矿 2 一 t k 矗女 z 2 2 1 若妒m o 上2 其 且农在 i 妒 2 7 圳2 1 2 2 2 则 为一个二进正交小波 二进小波变换定义为 d 鸭 2 一 f e f t q i 2 一女泌 2 2 3 2 2 4 多分辨率分析 多分辨率分瓣概念是豳s 礴a l l a t 和y m e y e r 予1 9 8 6 年在构造正交小波基时掇 4 江苏大学硕士学位论文第二章b c i 的特征提取方法 出的 它从空间的概念上形象地说明了小波的多分辨率特性 将此之前地所有正交 小波基的构造法统一起来 给出了正交小波的构造方法以及正交小波变换的快速算 法 即m a l l a t 算法 m a l f a t 算法在小波分析中的地位相当于快速傅里叶变换变换算 法在经典傅里叶变换分析中的地位 多分辨分析只是对低频部分进行进一步分解 而高频部分则不予以考虑 把低 频部分分解成低频部分和高频部分 以下再分解依此类推 图2 1 说明了分解的频 带关系 卅和d 卅分别为低频分解部分和高频分解部分 一 j j q n j 2 d j k 0 乃一1 女国 4 d j 一1 女c o l 2 圈2 1 多分辨分析的频带关系 2 2 5 离散序列的小波分解 实际问题中遇到的信号多数是经过采样系统测得的一系列 一维和二维 离散 信号 如各种探测系统 扫描仪 医疗器械等的输出都为一定格式的离散信号 因 此 讨论离散序列的小波变换在工程应用中具有重要的意义 而且 离散序列的小 波变换理论与数字信号处理中多采样率滤波的思想一致 因此可将其看做小波变换 理论在数字信号处理中的应用例证 从数学滤波器的角度来看 由k 到k 彤的系数分解 取 1 过程可分别用 图2 2 a 和2 2 b 电路结构实现 系数一次分解的总过程如图2 2 c 所示 其中 和 为由尺度方程得到滤波器系数 若将初始输入序列 看作一离散序列 则图2 2 所示为一输入离散序列进行双 通道滤波的过程 这里称 h i 为双通道滤波器组 具有低通性质 而 具有高 通性质 因此它们的滤波输出分别对应于离散信号的低频概貌和高频细节 由于两 滤波器的输出序列长度都同输入序列相同 因此 结果总长度变为原始信号长度的 两倍 由于原始信号的频带被等分为低通和高通两部 所以滤波后输出序列的带宽 缸弥大学硕士学位论文第二章b c i 的特征提取方法 只有原始信号的一半 由带限信号的采样定理知 菇 以将采样频翠降低一半而不丢 失任蜒绩惑 嚣藏 毙照送嚣二撼取是允诲豹 其中铃号图表示二撞取 对应焉 葶霪 一 的数据长度减半 使总的输出序列长度与输入长度保持一致 对类似的分解可以 一直重复维演下去 即每一次分解把该次输入离散信号分解成一个低频的粗略逼谶 莘畦一个商频鲍细节部分 褥且每次输出采样频率都可以蓐减半 蕊保证总驰输出系 数程度不变 这样就将原始离散倍号进行了多分辨率分解 露蛳 1 一兰堕 卜 性三 一 a m 爵 一一 互卜 f 可一d 6 厂 堑至 一一扣习 吗囊 口0 女一一一一r i 至夏 亚卜一d m c 圈2 2 分解出路结构圈 2 3 信息熵 2 3 1 熵 熵起初是纯粹的物理概念 追溯热力学发展史 1 9 6 5 年是德湖科学家克老修斯 r e l a u s i u e 弓l 入这个薪静态函数 溺瑷定量描述热力学第二定律 邵绝燕系统中经 历的不可邋过程熵必然增大 直至进入平衡态达到最大值 即熵增加原理 在热力学中 熵是平衡态热力学的一个状态函数 它的定义为 8 曼逆睾 协2 其中 1 和2 是隔个平衡态 积分路径沿着任意可逆过程 t 为热源温度 翅r 憝 篥一微小过程中系统吸收的热量 这样定义的物理熵有一下几方面的意义 6 江苏大学硕士学位论文第二章b c i 的特征提取方法 1 熵增原理是热力学第二定律的数学表达式 熵增原理是说 一个孤立系统的任何自发过程 系统的熵永远增大 即 s 0 由此可证明热力学第二定律的正确性 以开尔文说法为例 假设有一个热机 从热 源 温度t 吸收热量为q 使其全部转化为有用功而不引起其他变化 把热机工质 与热源看作孤立系统 经过一个循环后 工作物质与热源的熵变分别是 s 0 是 一q t 系统总熵变酣 s a s 2 一q t 0 即混合后系统的熵增 大了 直到达热平衡时 熵达到一个极大值 而且 混合前两杯水的温差越大 s 就越大 所以对于一个孤立系统 系统平衡程度越低 熵就越小 平衡程度越高 熵就 越大 当系统完全达到平衡时 熵达到一个极大值 所以熵是系统平衡程度的量度 3 熵是物质系统混乱度的度量 在统计物理中 有如下关系式 s kmn 2 25 这就是著名的玻尔兹曼关系式 k 是玻尔兹曼常数 q 是系统的微观状态数 在宏观条件不变的情况下 系统具有大量的微观状态 当系统处于平衡时 微观状 态数越多 系统越 混乱 熵就越大 否则 熵就越小 从微观意义上讲 熵是物 质系统无序性和混乱度的量度 江苏大学硕士学位论文第二章b c i 的特征提取方法 式 2 2 5 被称为只有牛顿运动定律和爱因斯坦质能关系式才能与之媲美的公 式 这就是统计学熵 2 3 2 信息 信息概念是现代科技中的一个最重要 应用最广泛的基本概念 起源于通讯科 学的信息科学 刚一建立就迅猛发展 信息概念也处于不断发展变化和逐步完善中 从狭义方面理解 信息就是含有新鲜内容的消息 情报 书信 指令 信号 数据 密码和知识等理论化和概念化后的通称 就广义方面来说 信息就是事物的存在方 式或运动状态及体系的确定程度 信息只有在相互作用的过程中才体现出来 客 观事物都在运动 其运动状态给人们提供了表示特征的信息 概括起来 信息具有 如下主要性质 1 客观性 信息和物质 能量是并存的 物质和能量是信息的载体 信息是物质和能量的 表征 或者说信息是物质运动和相互作用的表现形式 在宇宙中物质是不灭的 运 动是不灭的 能量是不灭的 信息是不灭的 一切信息源于物质运动 但又不是物 质本身 人们获取信息必须改革客观事物 并付出能量 做功 信息的提取和传递 过程总是离不开物质的运动 2 信息可被感知 处理和运用 人们通过感官 探测工具感知事物运动状态及其变化并提取信息后 然后运用 这些信息去指导改革客观事物并获取关于事物发展变化的新的信息 如此不断循环 向前 人们在运用信息过程中按照需要 可从一种状态转换为另一种状态 可以进 行存放 传递 再生 扩充和压缩等 3 信息能被量化 进行科学量度 系统的信息量化理论是由香农 s h a n n o n 完成的 2 3 3 信息熵 熵已经成为一个在自然科学 工程技术 社会科学和人文科学中得到广泛应用 的概念 1 9 2 7 年 匈牙利科学家斯依兰德提出了熵与信息不确定性的关系 进一步 拓宽了熵的内涵 1 9 4 8 年 贝尔实验室的香农在他创立的信息论中 把通讯过程中 1 8 江苏大学硕士学位论文 第二章b c i 的