脑电信号特征提取与分类

1、第 PAGE16 页 共 NUMPAGES16 页脑电信号特征提取与分类脑电信号的特征提取与分类 摘 要 脑-机接口Brain-puter Interface,BCI可以不依赖外周神经与肌肉组织，把大脑与外界设备连接起来，建立起一条全新的、独立的信息传输通道。以便于直接控制外界设备，为一些障碍患者提供正常的运动才能，进步他们的生活质量。其中，脑电信号electroencephalogram，EEG的提取是脑机接口技术的关键，本文对脑电信号进展研究，详细如下：1通过设备完成脑电信号提取时信号中通常含有噪声，含有噪声的信号不能进展直接分析p 和使用，因此需要对其进展去噪处理，在本文中采用两种方式进

2、展去噪，分别为硬阈值去噪与软阈值去噪。在进展去噪之前分别进展了两层和三层的分解实验，并对两种结果进展比拟最终选择两层小波分解进展处理。最终对硬阈值和软阈值两种去噪方法进展了实验，对实验所得到的信噪比和均方根误差数据进展比拟，选用软阈值去噪方法。2由于EEG信号非线性且平稳性缺乏等特征，在本文比照了小波变换和模糊熵在对信号进展处理时的优势和优势，结合两种方法对脑电信号特征进展提取，首先对受试者a的C3通道和C4通道所采集的数据进展小波分解处理，随后根据不同层频带提取对应节律，在完成小波分解之后将数据采用模糊熵方法实现特征提取。本文的实验结果说明 ，提取的特征重叠较少，有助于后续进展脑电信号的分类

3、。3就脑电信号的分类而言，在本文中利用当前较为成熟的神经网络以及支持向量机等方法，选择适宜的核函数后利用Matlab20_a中的工具箱完成信号的处理和分类，分类结果证明，本文所采用的信号分类方法准确度为61%，到达预期要求，具有良好的分类效果。【关键词】：p 】： ：脑电信号；软阈值；小波变换；模糊熵；Abstract Brain-puter Interface (BCI) can connect the brain with e_ternal devices without relying on peripheral nerves and muscle tissue, and establi

4、sh a new and independent information transmission channel.In order to directly control the e_ternal equipment, provide normal e_ercise capacity for some disabled patients and improve their quality of life.Among them, the e_traction of electroencephalogram (EEG) is the key to brain-puter interface te

5、chnology.This paper studies EEG signals as follows: (1) When the EEG signal is e_tracted by the device, the signal usually contains noise, and the signal containing noise cannot be directly analyzed and used.Therefore, it needs to be denoised.In this paper, two methods are used for denoising.Hard th

6、reshold denoising and soft threshold denoising.Two and three layers of deposition e_periments were performed before denoising, and the two results were pared and finally two layers of wavelet deposition were selected for processing.Finally, two denoising methods, hard threshold and soft threshold, w

7、ere tested.The signal-to-noise ratio and root mean square error data obtained by the e_periment were pared, and the soft threshold denoising method was selected. (2) Due to the nonlinearity and lack of stationarity of the EEG signal, the advantages and disadvantages of wavelet transform and fuzzy en

8、tropy in the processing of signals are pared.bining the two methods to e_tract the characteristics of EEG signals, firstly The data collected by the C3 channel and the C4 channel of the tester a is subjected to wavelet deposition processing, and then the corresponding rhythm is e_tracted according t

9、o different layer bands.After the wavelet deposition is pleted, the data is e_tracted by the fuzzy entropy method.The e_perimental results in this paper show that the e_tracted features are less overlapping, which is helpful for the subsequent classification of EEG signals. (3) In terms of the class

10、ification of EEG signals, in this paper, the current mature neural work and support vector machine are used to select the appropriate kernel function and then use the toolbo_ in Matlab20_a to plete the signal processing and classification.It is proved that the accuracy of the signal classification m

11、ethod used in this paper is 61%, which meets the e_pected requirements and has a good classification effect. Keywords: electroencephalogram; soft threshold; wavelet transform;fuzzy entropy 目录 第1章绪论 1 1.1 引言 1 1.2.1 BCI系统的组成 2 1.2.2 BCI系统的分类 3 1.3 国内外研究现状及存在问题 4 第2章脑电信号 6 2.1 脑电信号概述 6 2.1.1 脑电信号的产活力理

12、 6 2.1.2 脑电信号的特点与分类 6 2.2 脑电信号分析p 方法 7 2.2.1 时域分析p 7 2.2.2 频域分析p 7 2.2.3 时频分析p 7 2.2.4 多维统计分析p 7 2.2.5非线性动力学分析p 7 2.3 本章小结 8 第3章脑电信号的预处理 9 3.1 常用的脑电信号去噪方法 9 3.1.1 希尔伯特黄变换 9 3.1.2 独立分量分析p 9 3.1.3 小波分析p 9 3.2 小波阈值去噪 9 3.2.1 硬阈值、软阈值和Garrote阈值去噪 10 3.2.2 小波分解的层数确定 10 3.2.3 实验结果与分析p 12 3.3 本章小结 13 第4章脑电信

13、号的特征提取 14 4.1 基于小波变换和模糊熵的特征提取 14 4.1.1 小波变换原理 14 4.1.2 模糊熵理论 16 4.1.3 基于小波变换和模糊熵的特征提取 18 4.2 本章小结 19 第5章脑电信号的分类 20 5.1 常用分类方法 20 5.2 支持向量机 20 5.2.1 线性支持向量机 21 5.2.2非线性支持向量机 22 5.3 SVM分类结果 23 5.4 本章小结 23 第6章总结和展望 24 6.1全文总结 24 6.2将来展望 25 致谢 27 【参考文献】：p 】： 28 第1章 绪论 1.1 引言 大脑作为神经系统最高级的局部，人们的生理功能、心理活动都

14、离不开大脑，其作为中心枢纽控制着人类的思想、行为、情绪等活动，当接收到外部环境的刺激时，大脑会进展分析p 处理，再通过神经肌肉通路，与外界进展信息交流。所以脑部科学的研究对于人类自身的行为与安康都有着非常重要的意义。但是，每年都有数以万计的意外事故发生，很多人受到了不可意料的意外伤害而成为了残疾人，有的人神经系统受损，有的人肌肉系统受损，这都阻碍了他们通过大脑与外界正常互动，又比方截肢患者，肢体瘫痪等病人，虽然他们的大脑可以正常的思维，但是却不能利用大脑控制他们自己的身体，也就是丧失了正常的活动才能。这给他们的日常生活带来了很大的不便，也就意味着只能卧病在床没有任何的劳动才能，给患者自身、家庭

15、乃至社会都增加了很大的压力。但是随着如今世界科学技术的进步以及医疗学科的开展，使这些患者可以在丧失了活动才能后也能通过大脑控制一些外部设备以实现自主的运动，进步其生活质量让其拥有正常人根本的生活已经成为了脑部科学，医学界研究的重点，其中最引人注目的一项重大打破莫过于脑-机接口1。脑-机接口技术，可以让人不通过神经和肌肉也能进展通讯2。这样可以实现患者通过大脑直接对外部设备进展控制。其原理是通过一些设备来检测大脑的皮层电活动，再将其采集到的电信号转换为控制外部设备的信号。该技术的问世给那些脑瘫、脑损伤患者带来了福音，因为这些患者可以通过利用该技术来辅助恢复自己的语言才能和运动才能，并且可以获得一

16、个非常良好的疗效。不仅如此，一些身体带有残疾的人士也可以通过BCI进展康复治疗，可以显著增强康复效果，大大缩短正常康复所需要的时间。有些病人其身体某些部位的神经或肌肉由于各种原因导致产生了损伤，此时身体对于大脑发出的一些指令是无法作出回应的，即使能做出反响也非常迟钝，根本上相当于失去了运动才能。但如今情况开场有所不同了，BCI技术的出现，让这些病人重新恢复到与正常状态一样的生活不再是一种奢望，也让他们独立自主的生活成为了一种可能。当然，除了应用于医学康复方面，BCI技术还拥有着更加广泛的现实意义以及更多的应用领域，在军事方面，一些国家已经开场研发一种可以通过意念控制以在战争中发挥出色的机器人，

17、还可以帮助飞行员控制飞机以及其他的装备。在日常的生活中，人们利用 BCI技术通过脑电波来控制游戏机，故而创始了一种全新的游戏方式，通过BCI，人们还可以开展一些思维游戏，例如一些临时策略游戏，除此之外，还可以直接在网络上与别人进展交流。通过利用BCI技术设计的监视器，还可以检测驾驶证的疲劳程度，从而减少疲劳驾驶带来的危害。1.2 BCI系统的组成与分类 1.2.1 BCI系统的组成 首先简单介绍一下BCI产生作用的原理：大脑在进展运动想象或者受到了外部环境的刺激，在大脑的皮层区域电位会产生一定的改变。此时可以借助一些装置如电极帽等，将大脑皮层发生的这种变化进展记录，并对不同刺激所引发的电信号进

18、展归类分析p ，之后，再通过其他技术将这些大脑所产生的电信号翻译成计算机可以听懂的语言，进而来操控外界的相关设备3。BCI技术已经广泛的受到了人们的关注，因为该技术不仅限于残疾人的辅助康复治疗之中，它还可以在各种学科领域中发挥重要的作用，可有效推动各行各业的进一步开展。从构成BCI系统的各个组成成分来看，主要有以下几个过程：采集和处理信号过程，特征提取过程，形式识别过程，控制输出过程和信息反响过程。1采集和处理信号过程 脑电信号的采集主要有两种方式，一种是有创的电极内置方式，另一种是无创的电极外置方式4。前者在通常情况下需要通过手术将电极植入大脑皮层，该装置主要用于EEG信号的搜集，由于直接与

19、大脑皮层相接触，因此通过这种方式搜集EEG信号会更加的准确，这对于后续开展的各项研究来说也是极为有利的。然而该方法的缺陷也很明显，那就是搜集信号的装置需要通过手术来完成，危险程度较大，并且只可以植入有限数量的电极，另外一点即使所需要的花费也是较高的。因此，该方法在实际情况下很少被应用。而后面所提到的方式那么无需进展手术，大脑信号的搜集是通过一种可佩戴在大脑上的装置来完成的。所以这种方式根本上不存在任何危险，并且操作起来更为简易，本钱也不高，因此时目前使用最为频繁的一种方式。由该方法采集得到的信号强度很低，通常难以满足要求，因此需要借助另一种装置-放大器对搜集的信号作放大处理。除此之外，为了防止

20、肌肉电以及其他相关因素的干扰，还需要对采集的信号进展消噪处理，这就需要借助滤波器来完成，只有满足这些，才能获取到有效的脑电信号。上述的过程 即为简单的采集和处理信号过程。2特征提取过程 由于大脑是一个非常复杂的系统，其具备的一个显著的特点即使非线性以及非平稳性，因此，假设单独想通过去噪来获取干净的脑信号是很难的，因为其中必然还会夹杂着各种杂质成分。所以如何可以有效提取到特征脑信号是目前很多研究者所希望解决的问题，整个提取过程的准确与否对于后续的脑电信号归类工作的准确度有着决定性的作用。截止到目前，较为业界所认同的提取方法由以下几种：共空间形式、小波变换、经历模态分解和独立分量分析p 等5。3形

21、式识别过程 该步骤主要负责将搜集所获得的特征向量进展分类处理，并进展一定的分析p ，该过程最终分类结果的准确度会直接影响到后续的控制输出。目前业内使用较为广泛的几种分类方法有以下几种：贝叶斯分类器6，7，8和9等。4控制输出过程 在进展完以上三个过程对于大脑思维的分析p 之后，根本上已经初步理解了测试者的一些想法，也就是说，对于测试者大脑所产生EEG信号已经可以根据之前所划分好的分类进展处理，从而通过控制系统产生相应的控制指令，完成对外部设备的控制活动。如控制轮椅的运动，键盘打字等。以上就是对控制输出过程的简单介绍。5信息反响过程 有了信息反响，患者就可以实时的观测自己思维所控制的设备动作执行

22、情况，假如出现了过失可以根据实际情况进展调节，使设备更好的为人类效劳。1.2.2 BCI系统的分类 大脑在受到刺激后会产生某种反响，这种反响详细表如今电位的改变上，这种电位变化也即EEG信号可以通过相应的设备对其进展搜集。所谓的BCI技术就是将搜集到的EEG信号先通过去噪处理，从而获得真正有效的脑电路信息，之后在通过相关设备对这些信号进展分类处理，使其可以转化为对外部相关设备进展控制的各项指令。截止到目前，BCI系统的研究领域主要由以下几种:10,事件相关电位 11,和事件相关同步(ERS)与去同步(ERD)。1视觉诱发电位 人的眼部可以感知外界光强弱的变化，光的刺激传递到脑部也会引起大脑皮层

23、电位的改变，这种电位就被称之为视觉诱发电位。因此，我们需要做的工作就是将此诱发电位与外部刺激之间的联络建立相关算法，从而可以对这种联络进展定性这种关系。视觉诱发电位有两种：和。高频率是指外部环境所给予的刺激在短时间内屡次发生，且连续性强，从时间上看，很多刺激都有所重叠。低频率那么恰恰相反，通常情况下是前一个刺激完全消失后，下一个刺激才发生。2P300事件相关电位 该电位描绘的是一种现象，即大脑皮层受到刺激时，会在经过300ms后形成一个正向波峰电位。非常有趣的一点在于，假如某种刺激发生的频率较低时，那么会产生较大的电位幅值。当相关的事件出现概率比拟高时，电位的幅值会比拟低。3皮层慢电位 皮层慢

24、电位是大脑皮层检测到的最慢的脑电信号，通常持续时间在0.5s到10s之间，频率一般在2Hz以下。当大脑呈兴奋状态时，会在大脑皮层产生负向慢电位，当大脑呈低落状态时那么相反。在经过专业训练后，使用者可以根据自己的环境情况调节其幅度的大小。4事件相关同步(ERS)与去同步(ERD) 当人在想象左手运动的时，大脑皮层中和的幅值会下降，该现象被称为ERD，当人在想象右手运动时，大脑皮层的脑电和的幅值会升高，该信现象被称作ERS。1.3 国内外研究现状及存在问题 自脑-机接口的概念提出以来，全世界的脑研究者就对BCI技术有着浓重的兴趣。20世纪90年代，在美国召开的第一届国际BCI大会，更是拉开了研究B

25、CI 技术的序幕。之后更是在20_1年、20_3年、20_5年、2022年连续四年举办了四届的BCI数据处理竞赛。可见BCI技术开展迅速，各个国家的研究者，科学家都为之付出了极大的心血。如下是各个国家科研机构的研究情况：Nicolelis以及他的团队利用BCI技术成功提取出了猴子在运动时的大脑皮层信号，并用于游戏机操作，并获取其需要的食物。奥地利的Graz大学，创始式的提出了事件相关同步/事件相关区同步的概念，并以此为根底成功提取了大脑在不同思维活动下的特征，并且70%以上的特征可以正确分类，可以更好的让患者操作运动想象系统。日本一家著名公司Neurowear创造了一款名为Neimi的BCI设

26、备，外形酷似一对猫耳朵，该款设备可以根据人的脑电波的不同做出不同的动作反响，以表达佩戴者的情绪。还有一款类似产品脑电波猫尾，它通过检测使用者的脑电信号以判断使用者的心情，当检测到使用者心情愉悦时，尾巴就会轻松活泼的摇摆，当检测到使用者心情烦躁时，尾巴就会摇的很僵硬。来自美国Minnesota大学的He Bin团队，通过提取运动想象脑电信号控制直升机的运动方向，可以做到高精度避障。德国柏林工业大学运用脑电信号制动汽车，可以在紧急危难时刻快速制动，比人工手动操作快了近130ms，更有效的保障驾驶证的平安。20_年，来自美国匹兹堡大学的研究团队实现了利用大脑ECOG信号控制机械手，并且使一位高截瘫患

27、者在与时任美国总统奥巴马握手时，可以让大脑接收到机械手臂传输回的信号，使患者可以感受到对方手掌的触感。20_年，同样来自美国的加州理工大学的研究人员通过研究大脑中手部运动相关脑区的活动，成功的让病人通过大脑意念控制假肢，并完成喝水、拿东西等较为复杂的动作。20_年，来自荷兰的乌特勒支大学的研究团队通过BCI技术成功的帮助一名渐冻症患者通过大脑与计算机的连接打字，其准确率高达95%。在国内，清华大学在20_2年成功的开发出了一种基于稳态视觉诱发电位的 拨号系统，并且有着很高的传输率和正确率。来自浙江大学的求是研究院开发了一套基于P300电位的中文输入系统，创始了人机交互控制方式的新纪元。重庆大学的研究团队通过二类运动想象以想象左右手运动采集脑电信号，开发出了基于左右手运动想象的BCI在线系统。以及在残疾人生活辅助和神经功能康复中的应用等。BCI技术开展至今，虽然有了宏大的进步，但缺点也很明显。其中绕不开的一个问题就是脑电信号的采集，就像上面已经提到过的，信号采集方式假设使用电极内置法，