資源描述：
《基于小波包分解的腦電信號特征提取》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第28卷第12期儀器儀表學報Vol128No1122007年12月ChineseJournalofScientificInstrumentDec.2007基于小波包分解的腦電信號特征提取吳婷,顏國正,楊幫華(上海交通大學電信學院儀器系上海200240)摘要:在腦機接口研究中,針對腦電信號的特征抽取,提出一種基于小波包分解的方法,利用Fisher距離準則,選擇具有較大可分離性的特定子帶小波包系數(shù)和能量作為有效特征,構(gòu)成特征矢量,并采用BCI2003競賽數(shù)據(jù),通過對該特征矢量的可分性和識別精度2個指標的評估,表明了所提出方法的有效性。關(guān)鍵詞:腦機接口;小波包分解;特征提取;子帶
2、能量中圖分類號:R318TP391.4文獻標識碼:A國家標準學科分類代碼:460.4025510.8050EEGfeatureextractioninbraincomputerinterfacebasedonwaveletpacketdecompositionWuTing,YanGuozheng,YangBanghua(SchoolofElectronic,InformationandElectricalEng.,ShanghaiJiaoTongUniversity,Shanghai200030,China)Abstract:Inthestudyofbraincompute
3、rinterface,amethodbasedonwaveletpacketdecompositionisproposedwhichisusedforthefeatureextractionofelectroencephalogram.Thepowerofspecialsub2bandsandcoefficientsofwaveletpacketdecompositionthathavelargerseparabilityareselectedtoconstructeigenvectoraccordingtoFisherdistancecriterion.Theeigenv
4、ectorisobtainedbycombiningtheeffectivefeaturesofelectroencephalographsignalsfromdifferentchannels.Theperformanceoftheeigenvectorisevaluatedbyseparabilityandrecognitionaccuracyu2singthedatasetfromBCI2003competition.Classificationresultshaveprovedtheeffectivenessofthismethod.Keywords:brainco
5、mputerinterface(BCI);waveletpacketdecomposition(WPD);featureextraction;powerofsub2bandEEG具有信息量大、時間分辨率高、設(shè)備便于攜帶、價格1引言低廉以及無創(chuàng)性等優(yōu)點,為腦機接口提供了實際可行性,成為目前控制信號的主要選擇?，F(xiàn)有的EEG特征提取人在接受外界刺激或主動思維中,能夠產(chǎn)生特定模方法主要有3類:(1)單一種類信息法,僅利用信號的時式的腦信號。腦機接口(braincomputerinterface,BCI)正域或頻域信息,如時域中的信號峰值或均值,頻域中的功是利用這種可區(qū)分的腦信號,實
6、現(xiàn)利用思維控制外設(shè)的率譜密度、特定腦節(jié)律的幅度等,該方法簡單,使用較多,[4]目的。腦機接口研究在康復醫(yī)學工程等領(lǐng)域具有重要意但信息單一、識別率不高;(2)傳統(tǒng)時頻特征組合法,義。近年來,在國際上引起極大的重視,成為目前生物醫(yī)將時域均值、頻域功率譜組合作為特征矢量,相對單一種學研究的一個熱點。BCI的研究涉及多個學科,大量復類信息法能夠提供更多特征,但其仍然是一種傳統(tǒng)的分[123]雜的問題有待解決,特征抽取就是其關(guān)鍵技術(shù)之一。析平穩(wěn)信號的方法,而EEG是一種典型的非平穩(wěn)信[5]BCI分為EEG(electroencephalogram)2basedBCI和號;(3)小波變換
7、系數(shù)法,依據(jù)先驗知識,抽取感興趣EcoG(electrocorticogram)2basedBCI,但由于腦電信號頻段的小波系數(shù)作為特征,但EEG信號產(chǎn)生機理復雜,收稿日期:2006211ReceivedDate:2006211第12期吳婷等:基于小波包分解的腦電信號特征提取2231[6]通常很難獲得準確的先驗知識,因而不夠靈活。接用f(t)的采樣序列f(k$t)或歸一化后稱f(k)來近似作00本文提出一種基于小波包分解的系數(shù)和子帶能量的為U0空間的系數(shù)d0(k)。利用正交小波包變換的快速算特征提取方法,將EEG信
