1、腦電信號(hào)特征提取及分類文獻(xiàn)綜述胡雪寅3080一、引言腦電信號(hào)是腦神經(jīng)細(xì)胞的電生理活動(dòng)在大腦皮層或頭皮表面的總體反映。而腦機(jī)接口(,)是建立在腦電信號(hào)分析基礎(chǔ)上的一種生物技術(shù)和計(jì)算機(jī)技術(shù)相結(jié)合的應(yīng)用型研究，它提供了一種新型的人機(jī)交互方式，通過(guò)制定的腦機(jī)接口系統(tǒng)，利用相應(yīng)的外部設(shè)備，直接產(chǎn)生人腦所想象的相應(yīng)動(dòng)作。腦機(jī)接口系統(tǒng)的核心是對(duì)腦電信號(hào)的提取與分析，特別是相應(yīng)的想象所產(chǎn)生的腦電信號(hào)特征提取。通過(guò)思維活動(dòng)與腦電信號(hào)的對(duì)比，可以形成腦電信號(hào)-思維活動(dòng)的對(duì)應(yīng)關(guān)系。,腦機(jī)接口以及腦電信號(hào)特征的提取與分類既是人類了解和提高腦功能的重要手段,又是一種全新的通訊和控制方式,在腦科學(xué)、康復(fù)工程、生物醫(yī)學(xué)工程

2、、娛樂、外科手術(shù)中功能區(qū)定位等領(lǐng)域有廣泛的應(yīng)用前景。,二、腦電信號(hào)特征的提取與分類的方法,對(duì)于不同的腦電信號(hào)所使用的特征提取與分類方法是不相同的。常用的特征提取方法有F相關(guān)性分析、參數(shù)估計(jì)、低通濾波、遺傳算法、小波變換等，算法的選擇與所利用的信號(hào)特征及電極位置有關(guān)。但目前主流的信號(hào)特征抽取方法有：一種是傳統(tǒng)時(shí)頻特征組合法，將時(shí)域均值、頻域功率譜組合作為特征矢量，主要是利用多種類別信息提供更多的特征，但較多的特征使得建立分類器的模型比較復(fù)雜，不利于實(shí)際系統(tǒng)中的應(yīng)用；另一種是小波變化系數(shù)法，依據(jù)先驗(yàn)知識(shí)、抽取感興趣頻段的小波系數(shù)作為特征，但選擇不同的小波對(duì)分類結(jié)果有一定的影響。而分類方法主要有決策

3、樹、局部算法、貝葉斯分類器、支持向量機(jī)()等。以下簡(jiǎn)要介紹各種腦電特征提取與分類的方法。(1)基于能量特征的腦電信號(hào)特征提取與分類：該方法采用帶通濾波和小波包分析的方法提取、節(jié)律對(duì)應(yīng)的腦電信號(hào)在時(shí)域范圍內(nèi)將信號(hào)幅度的平方作為能量特征值在頻域范圍內(nèi)采用模型功率譜估計(jì)法所得的功率譜密度作為能量特征值。根據(jù)運(yùn)動(dòng)想象腦電信號(hào)特點(diǎn),構(gòu)造左右通道信號(hào)能量差值的符號(hào)特性作為分類判別依據(jù),進(jìn)行分類測(cè)試。,()基于小波包分析的腦電信號(hào)特征提取與分類：該方法基于小波變換法和模型法結(jié)合線性判別準(zhǔn)則對(duì)兩類思維任務(wù)進(jìn)行特征提取及分類提出以小波系數(shù)均值經(jīng)變換作為特征用判別準(zhǔn)則進(jìn)行分類。結(jié)果表明這種方法可以利用少量的數(shù)據(jù)提

4、取腦電信號(hào)的特征。,快速多變量自回歸模型的腦電信號(hào)的特征提取與分類：該方法利用多變量自回歸模型參數(shù)和階數(shù)估計(jì)，通過(guò)分解技術(shù)減少了多維矩陣求逆的運(yùn)算量提高了模型估計(jì)的速度，在此基礎(chǔ)上進(jìn)行信號(hào)的特征提取分類的正確率明顯高于單變量自回歸模型?；谛畔⒓s簡(jiǎn)對(duì)腦電信號(hào)特征進(jìn)行提取：該方法利用不同的腦電特征分析方法，提取特征并進(jìn)行分類；其次把連續(xù)的腦電信號(hào)離散化，利用腦電信號(hào)組建腦電信號(hào)信息表，最后利用約簡(jiǎn)理論，對(duì)腦電信號(hào)進(jìn)行特征約簡(jiǎn)，并利用約簡(jiǎn)特征進(jìn)行分類，驗(yàn)證分類準(zhǔn)確率。該方法在保證分類準(zhǔn)確率的情況下降低了特征的數(shù)量?；谙辔煌綄?duì)腦電信號(hào)分類：該方法是將相位同步應(yīng)用于運(yùn)動(dòng)意識(shí)想象分類,采用希爾伯變換

5、信號(hào)處理方法計(jì)算腦電信號(hào)瞬時(shí)相位值在合適的時(shí)間窗下選取、電極與中央?yún)^(qū)電極進(jìn)行配對(duì)并進(jìn)行鎖相值計(jì)算,采用支持向量機(jī)進(jìn)行運(yùn)動(dòng)意識(shí)想象分類，具有較高的準(zhǔn)確率。,（6）利用能量熵對(duì)運(yùn)動(dòng)腦電信號(hào)分類：該方法通過(guò)利用不同運(yùn)動(dòng)想象腦電信號(hào)能量熵的變化,從能量熵中提取特征,利用自定義基于統(tǒng)計(jì)理論分類方法進(jìn)行分類。三、小結(jié)對(duì)于腦電信號(hào)特征的提取與分類有許多方法，不同的方法有著不同的優(yōu)點(diǎn)，綜合理解與利用各種方法不僅能夠推動(dòng)該領(lǐng)域的發(fā)展，也能使得人們對(duì)于腦功能有著更深的了解。參考文獻(xiàn):黃思娟，吳效明基于能量特征的腦電信號(hào)特征提取與分類傳感技術(shù)學(xué)報(bào).，穆振東，肖丹基于信息約簡(jiǎn)的腦電信號(hào)特征提取中國(guó)組織工程研究與臨床康

6、復(fù)，,余丁峰，程明，高小榕.數(shù)字信號(hào)處理器在腦機(jī)接口系統(tǒng)中的應(yīng)用北京生物醫(yī)學(xué)工程，余琴,張旭秀基于小波變換的腦電信號(hào)特征提取及分類大連交通大學(xué)學(xué)報(bào).黃思娟，吳效明基于能量特征的腦電信號(hào)特征提取與分類傳感技術(shù)學(xué)報(bào).肖丹，王平能量熵在運(yùn)動(dòng)想象腦電信號(hào)分類中的應(yīng)用B江西藍(lán)天學(xué)院學(xué)報(bào).楊幫華，顏國(guó)正，鄢波基于離散小波變換提取腦機(jī)接口中腦電特征中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，吳婷，顏國(guó)正,楊幫華一種快速的腦電信號(hào)特征提取與分類方法系統(tǒng)仿真學(xué)報(bào).薛建中，鄭崇勛，閆相國(guó)快速多變量自回歸模型的意識(shí)任務(wù)的特征提取與分類a西安交通大學(xué)生命科學(xué)與技術(shù)學(xué)報(bào).楊幫華，顏國(guó)正,嚴(yán)榮國(guó)腦機(jī)接口中基于小波包最優(yōu)基的特征抽取上海交通大學(xué)

7、學(xué)報(bào).胡劍鋒，包學(xué)才,穆振東基于相位同步的腦電信號(hào)分類算法研究微電子學(xué)與計(jì)算機(jī).ProVAUGHAyaTM，WUbeETransli.nalR，DORehabEsisoCHng,EGlsignalsG2lbaylisedlCommunicatioleigenblemElifDermplementingmethods/recurrentneuralnetworksAlDigitallSignallProcessing.Nurince，Ae.Tewfik，SamilArica.ltractionlsubject-spimagerytferequencypatternsforsingleltrial

8、lEEGlclassificationComputerinBiologyandMediine.teeLnematio-SpecFtirlatlersforrotinglaiicatoifoSnllinglelrialGIEEETRANSACTISlONlBIOMEDICNGINEERINrieCoaz.eatureExtractiaondClassificatoifonElESGlignalfsolrRlapidl00MindellinnternationallConferencelonlMachinelLearningandplicationBlankertzB,MullerKR,Curio

9、G,etal.eBCompetitionl:lProgressandperspectivesindetectionanddiscriminationloflGlsingleltrialslTransonLBioedicalEng，201.lCareliC，KnyazevMaG，nnoentd,etal.sess-ofmElenEtlsGlynchronizationlbasedonstateaeanalsisJ大.lNeuroImage，l大Kemalolat.ClassificationofepileptiformlEEGlusinglalhybridlondecisiontreeclass

10、ifiearndfasFtouriertransformAA.pplieMdathematicsandComputation.2007.J.RWolpaw,D.J.McFarland,A.GFo.rWnerNise,a“tAannEdEGC-.basedrcoterinterceorccontorl,Electroencelor.lin.erosiol.ol.,-,.er.FlotinerA.cllFet.rer(eetrertionoronlineEEclassificationusingprinciplcoonentsandlineardiscriminants.2M.R.NKaouzsarririzA.iA,sadGihanaFerai.turEextractioanndClassificati