脑电信号特征提取分类
摘
脑机接口（BrainComputer InterfaceBCI）赖外周神肌肉组织脑外界设备连接起建立起条全新独立信息传输通道便直接控制外界设备障碍患者提供正常运动力提高生活质量中脑电信号（electroencephalogramEEG）提取脑机接口技术关键文脑电信号进行研究具体：
（1）通设备完成脑电信号提取时信号中通常含噪声含噪声信号进行直接分析需进行噪处理文中采两种方式进行噪分硬阈值噪软阈值噪进行噪前分进行两层三层分解实验两种结果进行较终选择两层波分解进行处理终硬阈值软阈值两种噪方法进行实验实验信噪均方根误差数进行较选软阈值噪方法
（2）EEG信号非线性稳性足等特征文波变换模糊熵信号进行处理时优势劣势结合两种方法脑电信号特征进行提取首先受试者aC3通道C4通道采集数进行波分解处理根层频带提取应节律完成波分解数采模糊熵方法实现特征提取文实验结果表明 提取特征重叠较少助续进行脑电信号分类
（3）脑电信号分类言文中利前较成熟神网络支持量机等方法选择合适核函数利Matlab2019a中工具箱完成信号处理分类分类结果证明文采信号分类方法精确度61达预期求具良分类效果
关键词：脑电信号软阈值波变换模糊熵
Abstract
BrainComputer Interface (BCI) can connect the brain with external devices without relying on peripheral nerves and muscle tissue and establish a new and independent information transmission channel In order to directly control the external equipment provide normal exercise capacity for some disabled patients and improve their quality of life Among them the extraction of electroencephalogram (EEG) is the key to braincomputer interface technology This paper studies EEG signals as follows
(1) When the EEG signal is extracted 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 threshold denoising and soft threshold denoising Two and three layers of decomposition experiments were performed before denoising and the two results were compared and finally two layers of wavelet decomposition were selected for processing Finally two denoising methods hard threshold and soft threshold were tested The signaltonoise ratio and root mean square error data obtained by the experiment were compared 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 entropy in the processing of signals are compared Combining the two methods to extract 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 decomposition processing and then the corresponding rhythm is extracted according to different layer bands After the wavelet decomposition is completed the data is extracted by the fuzzy entropy method The experimental results in this paper show that the extracted features are less overlapping which is helpful for the subsequent classification of EEG signals
(3) In terms of the classification of EEG signals in this paper the current mature neural network and support vector machine are used to select the appropriate kernel
function and then use the toolbox in Matlab2019a to complete the signal processing and classification It is proved that the accuracy of the signal classification method used in this paper is 61 which meets the expected requirements and has a good classification effect
Keywords electroencephalogram soft threshold wavelet transformfuzzy entropy
目录
第1章绪 1
11 引言 1
121 BCI系统组成 2
122 BCI系统分类 3
13 国外研究现状存问题 4
第2章脑电信号 6
21 脑电信号概述 6
211 脑电信号产生机理 6
212 脑电信号特点分类 6
22 脑电信号分析方法 7
221 时域分析 7
222 频域分析 7
223 时频分析 7
224 维统计分析 7
225非线性动力学分析 7
23 章结 8
第3章脑电信号预处理 9
31 常脑电信号噪方法 9
311 希尔伯特黄变换 9
312 独立分量分析 9
313 波分析 9
32 波阈值噪 9
321 硬阈值软阈值Garrote阈值噪 10
322 波分解层数确定 10
323 实验结果分析 12
33 章结 13
第4章脑电信号特征提取 14
41 基波变换模糊熵特征提取 14
411 波变换原理 14
412 模糊熵理 16
413 基波变换模糊熵特征提取 18
42 章结 19
第5章脑电信号分类 20
51 常分类方法 20
52 支持量机 20
521 线性支持量机 21
522非线性支持量机 22
53 SVM分类结果 23
54 章结 23
第6章总结展 24
61全文总结 24
62未展 25
致谢 27
参考文献 28
第1章 绪
11 引言
脑作神系统高级部分生理功心理活动离开脑作中心枢纽控制着类思想行情绪等活动接收外部环境刺激时脑会进行分析处理通神肌肉通路外界进行信息交流脑部科学研究类身行健康着非常重意义年数万计意外事发生受预料意外伤害成残疾神系统受损肌肉系统受损阻碍通脑外界正常互动截肢患者肢体瘫痪等病然脑够正常思维利脑控制身体丧失正常活动力日常生活带便意味着卧病床没劳动力患者身家庭社会增加压力着世界科学技术进步医疗学科发展患者够丧失活动力通脑控制外部设备实现运动提高生活质量拥正常基生活已成脑部科学医学界研究重点中引注目项重突破莫脑机接口（）[1]
脑机接口技术够通神肌肉进行通讯[2]样实现患者通脑直接外部设备进行控制原理通设备检测脑皮层电活动采集电信号转换控制外部设备信号该技术问世脑瘫脑损伤患者带福音患者通利该技术辅助恢复语言力运动力取非常良疗效仅身体带残疾士通BCI进行康复治疗够显著增强康复效果缩短正常康复需时间病身体某部位神肌肉种原导致产生损伤时身体脑发出指令法作出回应做出反应非常迟钝基相失运动力现情况开始BCI技术出现病重新恢复正常状态样生活种奢独立生活成种然应医学康复方面BCI技术拥着更加广泛现实意义更应领域军事方面国家已开始研发种通意念控制战争中发挥出色机器帮助飞行员控制飞机装备日常生活中利
BCI技术通脑电波控制游戏机开创种全新游戏方式通BCI够开展思维游戏例时策略游戏外直接网络进行交流通利BCI技术设计监视器检测驾驶证疲劳程度减少疲劳驾驶带危害
12 BCI系统组成分类
121 BCI系统组成
首先简单介绍BCI产生作原理：脑进行运动想象者受外部环境刺激脑皮层区域电位会产生定改变时助装置电极帽等脑皮层发生种变化进行记录刺激引发电信号进行类分析通技术脑产生电信号翻译成计算机够听懂语言进操控外界相关设备[3]BCI技术已广泛受关注该技术仅限残疾辅助康复治疗中够种学科领域中发挥重作效推动行业进步发展构成BCI系统组成成分列程：采集处理信号程特征提取程模式识程控制输出程信息反馈程
（1）采集处理信号程
脑电信号采集两种方式种创电极置方式种创电极外置方式[4]前者通常情况需通手术电极植入脑皮层该装置EEG信号收集直接脑皮层相接触通种方式收集EEG信号会更加准确续开展项研究说极利然该方法缺陷明显收集信号装置需通手术完成危险程度较够植入限数量电极外点需花费较高该方法实际情况少应面提方式需进行手术脑信号收集通种佩戴脑装置完成种方式基存危险操作起更简易成高时目前频繁种方式该方法采集信号强度低通常难满足求需助种装置放器收集信号作放处理外避免肌肉电相关素干扰需采集信号进行消噪处理需助滤波器完成满足获取效脑电信号述程
简单采集处理信号程
（2）特征提取程
脑非常复杂系统具备显著特点非线性非稳性单独想通噪获取干净脑信号难中必然会夹杂着种杂质成分够效提取特征脑信号目前研究者希解决问题整提取程准确否续脑电信号类工作准确度着决定性作截止目前较业界认提取方法种：空间模式波变换验模态分解独立分量分析等[5]
（3）模式识程
该步骤负责收集获特征量进行分类处理进行定分析该程终分类结果准确度会直接影响续控制输出目前业较广泛种分类方法种：贝叶斯分类器[6][7][8][9]等
（4）控制输出程
进行完三程脑思维分析基已初步解测试者想法说测试者脑产生EEG信号已够根前划分分类进行处理通控制系统产生相应控制指令完成外部设备控制活动控制轮椅运动键盘字等控制输出程简单介绍
（5）信息反馈程
信息反馈患者实时观测思维控制设备动作执行情况果出现差错根实际情况进行调节设备更类服务
122 BCI系统分类
脑受刺激会产生某种反应种反应具体表现电位改变种电位变化EEG信号够通相应设备进行收集谓BCI技术收集EEG信号先通噪处理获真正效脑电路信息通相关设备信号进行分类处理够转化外部相关设备进行控制项指令截止目前BCI系统研究领域种（）[10]事件相关电位
()[11]（）事件相关步(ERS)步(ERD)
（1） 视觉诱发电位
眼部够感知外界光源强弱变化光源刺激传递脑部会引起脑皮层电位改变种电位称视觉诱发电位需做工作诱发电位外部刺激间联系建立相关算法够种联系进行定性种关系视觉诱发电位两种：（）()高频率指外部环境予刺激短时间次发生连续性强时间刺激重叠低频率恰恰相反通常情况前刺激完全消失刺激发生
（2） P300事件相关电位
该电位描述种现象脑皮层受刺激时会300ms形成正波峰电位非常趣点果某种刺激发生频率较低时会产生较电位幅值相关事件出现概率较高时电位幅值会较低
（3） 皮层慢电位
皮层慢电位脑皮层检测慢脑电信号通常持续时间05s10s间频率般2Hz脑呈兴奋状态时会脑皮层产生负慢电位脑呈低落状态时相反专业训练者根环境情况调节幅度
（4） 事件相关步(ERS)步(ERD)
想象左手运动时脑皮层中幅值会降该现象称ERD想象右手运动时脑皮层脑电幅值会升高该信现象称作ERS
13 国外研究现状存问题
脑机接口概念提出全世界脑研究者BCI技术着浓厚兴趣20世纪90年代美国召开第届国际BCI会更拉开研究BCI
技术序幕更2001年2003年2005年2008年连续四年举办四届BCI数处理竞赛见BCI技术发展迅速国家研究者科学家付出极心血国家科研机构研究情况：
Nicolelis团队利BCI技术成功提取出猴子运动时脑皮层信号游戏机操作获取需食物奥利Graz学开创式提出事件相关步事件相关区步概念基础成功提取脑思维活动特征70特征够正确分类够更患者操作运动想象系统日家著名公司Neurowear发明款名NecomimiBCI设备外形酷似猫耳朵该款设备根脑电波做出动作反馈表达佩戴者情绪款类似产品—脑电波猫尾通检测者脑电信号判断者心情检测者心情愉悦时尾巴会轻松活泼摇晃检测者心情烦躁时尾巴会摇生硬美国Minnesota学He Bin团队通提取运动想象脑电信号控制直升机运动方做高精度避障德国柏林工业学运脑电信号制动汽车紧急危难时刻快速制动工手动操作快130ms更效保障驾驶证安全2012年美国匹兹堡学研究团队实现利脑ECOG信号控制机械手位高截瘫患者时美国总统奥巴马握手时够脑接收机械手臂传输回信号患者够感受方手掌触感2015年样美国加州理工学研究员通研究脑中手部运动相关脑区活动成功病通脑意念控制假肢完成喝水东西等较复杂动作2016年荷兰乌特勒支学研究团队通BCI技术成功帮助名渐冻症患者通脑计算机连接字准确率高达95国清华学2002年成功开发出种基稳态视觉诱发电位电话拨号系统着高传输率正确率浙江学求研究院开发套基P300电位中文输入系统开创机交互控制方式新纪元重庆学研究团队通二类运动想象想象左右手运动采集脑电信号开发出基左右手运动想象BCI线系统残疾生活辅助神功康复中应等BCI技术发展然巨进步缺点明显中绕开问题脑电信号采集面已提信号采集方式电极置法确实够更精准EEG信号脑部手术风险太续安全隐患需加考虑外够放置电极数量限制电极外置然会带安全方面隐患脑工作复杂性决定电机外置难收集准确脑部信号信号采集程充分考虑外界环境素干扰身活动密分关联BCI技术需考虑体
性差异带具体影响复杂系统数量庞受试者进行量身定制基完成务外脑电信号太巨复杂采集速度法满足求相关设备会发生失真状况者说会造成严重影响特征提取精度方面应足功夫算法选择差异会影响终分类结果迫切需开发出种精度更高方法开展续研究工作需关注点脑电信号进行收集时候需程度提升信噪样减少噪声带影响提取出信息时算法优化工作显极重BCI技术想进入商业市场面着棘手问题第脑电信号采集设备通常较繁琐提高采集设备便携程度便携带面重问题第二脑电信号产生数量短时间法进行预估短时间信号作出快速准确判断需设备接口效率进行提升采集信号效率低设备反应速度法脑思考步进行会产生设备失真延迟等现象提出亟解决问题未研究中克服BCI技术定未生活中发出耀眼光芒
第2章 脑电信号
21 脑电信号概述
211 脑电信号产生机理
体构成言脑核心部分脑时刻处工作状态处睡眠中脑中部分脑细胞然处运转中脑皮层片狭空间中超140亿神细胞居住中EEG信号发现收集工作1926年首次完成该领域研究成果公布世着研究深入发展科学家弄清EEG信号源：进行想象时突触神产生电位亿突触神产生电位叠加起会导致神元细胞产生亢奋者抑制量神元产生亢奋者抑制会形成强电场该电场作脑皮层电位会发生相应改变采集设备脑皮层微弱电流进行采集收集EEG信号
212 脑电信号特点分类
脑皮层产生EEG信号神细胞作产生脑非常复杂机构采集EEG信号具特点：1）信号强度极低抗干扰力弱信号身容易环境产生定波动情形首务信号噪通方法程度减弱外界素干扰2）脑电信号非线性非稳性脑受外界刺激样EEG信号种类种样异常繁杂3）脑电信号非种简单信号波种更复杂合成波存着体差异脑电波波形会异仅频率分量会时期脑电波会形式具体分类：
（1）：频率处间振幅处间源枕顶头皮区域般会发生闭眼情况产生持续12s果眼睛处睁开状态波会消失进波代该现象
医学命名α波阻断场合
（2）：频率处间振幅处间波动般情况出现愉快激动兴奋等状态时会产生波beat波事件相关步步着紧密联系
（3）：频率处间接波通常脑感觉运动皮层产生波具体产生位置C3C4通道位置
（4）：频率处间成年深度睡眠时会出现时婴觉醒状态时会出现delta波
（5）Theta波：该波频率47Hz间般情感受挫情绪低落困意时出现特精神病患者更明显
22 脑电信号分析方法
着国学者断深入研究科技进步BCI技术取令瞩目进展针BCI系统组成部分相应研究策略种策略独见解文罗列种常方法
221 时域分析
时域分析直接性脑电信号波形特征进行分析般情况需种重参数进行较深入研究分包括标准差等该方法早种方法种提取方法中直接种提取容囊括全部物理信息脑电信号中仅仅时域特征存具频域特征外脑电信号复杂综合体单独时域分析够获取特征信息会少表现时域特征成分非常少时域分析现实生活中场合着明显缺点
222 频域分析
通频域分析获EEG信号频率相位等信息法时域分析中通常说EEG部分特征信息处频域中总体讲获取特征信息方面采频域分析效果更显著方面功率谱估计应广泛种频域分析方法具体实践中表现良
223 时频分析
面提两种分析方法存着缺陷改变种状况研究者提出时频分析法顾名思义述两种方法进行效整合领域中波变换法具代表性种分析方法方法外例希尔伯特黄变换等波变换法时域频域进行局部变换功方法完成通该法够更尺度脑电信号进行分析
224 维统计分析
维统计分析够满足脑电信号收集程中种需求原理维数进行降维处理够表征出脑电信号绝部分信息脑电信号分析方面效果显著常方法成分分析空间模式独立分量分析
225非线性动力学分析
脑电信号质属种非线性信号研究程中研究员非线性方法EEG信号展开分析初步效果显著非线性分析方法：系统熵等
23 章结
章首先阐述关脑电信号基础知识脑电信号产生机理源做具体讲解然EEG信号特点进行介绍脑非常复杂采集EEG信号三较突出特点接着根脑电信号波频率分波波节律波波中波特征信息什情况会出现波进行较详细介绍目前研究程中常5处理EEG信号方法进行说明次时域分析时频分析维统计分析非线性动力分析
第3章 脑电信号预处理
脑非常复杂系统部分采外置电极方式收集EEG信号收集程中眼电肌电心电信号会
收集信号产生定程度影响便干扰效果极弱终实验结果说旧会造成显著影响保障特征提取分类取良效果采集EEG信号进行降噪处理首关键步骤
31 常脑电信号噪方法
311 希尔伯特黄变换
希尔伯特黄变化（HHT）够分析非线性非稳信号具完全适应性适合突变信号[14]NASA评伟数学方法验模态分解（）变换组成首先利EMD收信号分解征模态函数（IMF）征模态函数进行Hilbert变换相应Hilbert谱IMFHilbert谱汇总起够接收信号Hilbert谱
312 独立分量分析
[15](ICA)称盲分离该方法互干扰独立信息混合信号中分离出优势破坏信号时消噪声噪声效果传统滤波方法够利ICA算法EEG信号中部分噪声部分进行效分离
313 波分析
波变换[16](WT)种新型变换分析方法继Fourier变换数学方法重突破够局部化分析分析非稳信号成功解决Fourier变换局限性波变换仅终处理效果优异够方面投入应业界广受欢迎
32 波阈值噪
首先波阈值噪[17]基原理进行简单介绍：噪音量广泛分布波域处然真正够保留信号量系数寥寥数通波分解达含噪信号波变换系数信号波变换系数目处极关键点阈值选择阈值选择合理波系数阈值时说明该波系数收噪声影响需进行清处理相反波系数阈值应时刻波系数保留时波系数中蕴
含效信息新波系数研究中需完成工作原始信号进行噪处理终噪信号阈值噪方法两种：硬阈值噪软阈值噪两种方法着定缺陷例前者处理方式会导致信号失原光滑性者会导致信号中部分细节特征遗失
321 硬阈值软阈值噪
硬阈值噪公式：
WjkWjk Wjk ≥λ 0Wjk<λ （31）
软阈值噪公式：
WjksgnWjkWjkλ Wjk ≥λ0Wjk<λ （32）
式中
λ——阈值
Wjk——
Wjk——
322 波分解层数确定
波分解中选取适分解层次[18]非常关键步续噪效果优良否回直接受步影响分解层数少会难信号中噪声进行效清话会计算量显著增更重点：分解层数会信噪增益受较削弱综述需选择合适分解层次文2005年BCI国际竞赛数受试者aC3通道段数进行分析数频率具体情况图：
图31 C3通道原始EEG信号
波分解改数处理分析作波基函数助分分解层数2层3层高频部分低频部分系数结果图示：
图32 C3
图33 C3
似系数细节系数分反映EEG信号低频部分高频部分图32图33够发现分解层数等2时够获佳分解效果波形图图32图31具极高相似度波分解层数确定2层
323 实验结果分析
通MATLAB2019a进行硬软阈值噪结果图示：
图34 硬阈值软阈值噪效果图
图34中知硬软阈值噪产生定效果效降低毛刺结果产生干扰然没棒具体数值进行定量较解决种情况带困扰时够更准确两种噪方法优劣性需引入两指标：信噪均方根误差数学公式示：
SNR10*log10i1Ns2ii1Nx2i (34)
RMSE1Ni1Nsixi2 (35)
值果越说明噪效果越反越差值越噪效果越反越差分两种方式值进行计算两种方法终效果进行定量较见表：
表31 三种方法噪效果表
表31知相较硬阈值噪软阈值噪SNR更RMSE值更出初步结噪效果软阈值噪法更具优势文采取软阈值噪
33 章结
章节介绍两种EEG信号噪方法波阈值噪原理作出说明硬阈值噪软阈值噪解波分解进行噪程中分解层数究竟进行选择针问题展开相关试验终结果证明分解层数等2时够取佳效果利EEG信号进行硬阈值软阈值噪引入信噪SNR均方根误差RMS二者处理效果优劣进行定量分析通公式计算结果知：相较硬阈值噪软阈值噪具更SNR更RMSE值软阈值噪效果更佳文终决定选择软阈值噪法原始信号进行处理
第4章 脑电信号特征提取
BCI技术中核心实现特征提取特征提取质量直接影响信号分类准确性继影响BCI技术体系效果数年国外科学家致力找种高效EEG信号特征提取方法着研究断深入科学家开发出种EEG信号特征提取方法较常见方法包含回模型验模态分解波变换等种方法
（1） 回模型
该方法原理首先样数分干段根信号特征进行提取利AR模型进行信号处理知回模型中第步骤中样数分段会参数估计效果产生重影响该模型适进行非线性问题处理
（2） 空间模式
该方法原理获区分度较空间滤波器知该方法进行特征提取时具益效果前已诸领域中广泛应
（3） 验模态分解
该方法原理建立适应分析方式够适应该方式脑电信号进行分解时需考虑应该选种基波函数减少脑电信号分析工作复杂程度特适信号处理
EEG信号特征提取部分介绍：
41 基波变换模糊熵特征提取
脑非稳非线性系统脑电信号种非线性信号许非线性处理方法脑电信号处理中似熵样熵模糊熵等方法常原理测量EEG信号复杂度该方法反应信号非线性特征波变换够表示EEG信号时频方面特征通分解够频率段脑电信号较全面EEG信号进行描述文该信号进行特征提取采波变换模糊熵相结合方法进行处理
411 波变换原理
(1)波变换
波变换[19]世纪四十年代末法国JMorlet首次提出趣进行球物理研究时提出方法信号处理目前波分析广泛应领域波分析Fourier变换进行优化改进通脑电信号移伸缩变化实现时间频率分析相较Fourier变换言波变化 具更高分辨率更适宜实现非线性信号处理函数表
达式示：
WTfατ1α∞+∞ftψtταdtα>0 （41）
：
ψ(t)——
α——
τ——
f(t)——
ατ：
WTfατα2π∞+∞FwψαweiwtFwdwα>0 42
：
F(w)——f(t)
ψ(w)——ψ(tτα)
（2）
ψ(t)∈L2(R) ψ(w)：
Cψψ(w)2w<∞ (43)
：
ψατt1αψtταατ∈Rα≠0 (44)
f(t)∈L2(R)：
Wfατfψατα12ftψ*tταdt (45)
（3）
计算时信息冗余计算量增首先进行参数离散化具体公式：
ψjkt2j2ψ2jtk (46)
：
Cjkfψjkfψjkt2j2∞+∞ftψ*2jtkdt (47)
：
ftj∞∞k∞∞Cjktψjktj∞∞fjt (48)
：
ψjkt——
j——
k——
：
ftAL+j1LDj (49)
：
L——
AL——
Dj——
f(t) CA1CA2⋯CAL
CD1CD2⋯CDL
图41 离散波分解图
f(t)CA1CA2⋯CAL
CD1CD2⋯CDL
图42 离散波重构图
ALDLDL1…D1：
0f2L+1f2L+1f2Lf2Lf2L1…f22f2
412 模糊熵理
熵概念表示系统复杂混乱程度通常情况系统状态数越复杂度越高应熵值越相反熵越着医学等学科研究深入学者熵研究越越深刻中似熵参数选取方面存致缺陷研究者进行改进提出应优化算法该方法继承似熵优点解决参数选取缺点实际中取定效果样熵需相匹配模板适数集中形成定困难引入二态分类器Heaviside函数度量似量相似性函数公式：
θk1 z≥0 0 z≤0 (410)
见Heaviside函数二值函数弥补样熵缺陷学者进行优化提出应隶属度函数均值算法进行模糊化方法
[20]：
(1)ui1≤i≤N：
ximuiui+1…ui+m1u0i(i12…Nm)
中：
uiui+1…ui+m1——u中第i第i+m1节点
u0i——：
u0i1mj0m1ui+j (411)
(2)dijm——ximxjm：
dijmdximxjmmaxk∈(0m1)ui+ku0i(uj+ku0j)
式中ij1~Nmj≠i
(3)ximxjmDijmu(dijmnr)Dijm
：
Dijmμdijmnrexpdijmr(412)
：
μdijmnr——
n——
r——
(4)ϕn：
ϕnnr1Nmi1Nm1Nm1j1j≠iNmDijm(413)
(5)ϕn+1nr：
ϕn+1nr1Nmi1Nm1Nm1j1j≠iNmDijm+1 (414)
(6)：
FuzzyEnmnrlimN→∞lnϕnnrlnϕn+1nr (415)
：
FuzzyEnmnrNlnϕnnrlnϕn+1nr (416)
：
N——
m——
r——
SdSd
413 基波变换模糊熵特征提取
根文知β节律频率：1530Hz间采波分解层数设定3层xnA3+D3+D2+D1波分解层频带范围表：
表41 层频带范围
首先gC3C4通道数进行波3层分解助MATLAB2019a信号进行重构完成重构信号特征提取结果：
图43 受试者gβ节律波特征
横坐标代表C4通道坐标代表C3通道蓝色右手红色左手
图知两类信号存重叠重叠较少易完成步分类工作
42 章结
章首先介绍常EEG信号特征提取方法讲述波变换模糊熵原理优缺点引入ERDERS概念找α节律β节律相应关系进行波三层分解根波分解层频带范围表找出相应信号利模糊熵算法完成信号特征提取结果表明提取特征重叠少易完成步分类
第5章 脑电信号分类
章中讨脑电信号特征提取方法错结果需EEG信号进行分类步关重需EEG信号转换够控制外部设备命令分类结果会影响BCI系统精确度脑电信号分类直广学者研究热点种EEG信号分类常见方式：
51 常分类方法
种常分类方法：
（1）线性分类器
线性分类器基原理：面组样集定算法作线性判函数然利线性判函数进行分类方法计算量较少广泛应BCI系统分类中
（2）工神网络
工神网络称连接模型根脑基活动特征模拟象种抽象模拟研究工神网络目脑神网络基特征进行提取模拟进实现脑相似功世纪八十年代开始研究者神网络方法障诊断领域取良成果美国柏社学King Chan等首次障诊断中应神网络模型
（3）贝叶斯分类器
贝叶斯分类器原理：出分类项求解项条件类出现概率基概率分类项进行分类优势复杂情况中获较分类效果准确确定先验概率贝叶斯分类器缺点
52 支持量机
世纪六十年代开始研究者限样机器学问题进行研究学者Vapnik提出种新方法SVM（支持量机）支持量机种基传统学理方法质说支持量机某种特殊变换输入样低维转换高维空间该空间中通积函数寻找佳分类面实现样分类程神网络实际应中存局部收敛等缺陷支持量机克服缺陷者通训练程中利控制子学程进行控制相较神网络言需构建复杂数学模型需较少样实现样训练学种机器学方法非常适样分类时前研究者关注热点前支持联机文字识图处理等领域中十分广泛应[2736]
优超面图51示：
图51 优超面
实线优超面虚线散布点支持量[23]
521 线性支持量机
（1）
xiyii12…nxiyi∈11yi：
gxx∙w+b0 (51)
：
w∙xi+b≥1yi1w∙xi+b≤1yi1(52)
yiw∙xi+b≥1i12…n (53)
W——
：
dgxw1w (54)
w2w：
minψww22
styiw∙xi+b≥1 i12…n(55)
：
fxsgni1nβiyixi∙x+b (56)
B——
：
wi1nβi*yixi
b1w∙x y1 (57)
（2）
ξi：
yiw∙xi+b+ξi≥1i12…n (58)
：
fwbξw22+Ci1nIξi (59)
C——：
Lwbξβw22+C2i1nI(ξi)i1nβiyiw∙xi+b+ξi1 (510)
：
maxQβLwbξβi1nβi12ij1nβiβjyiyj(xi∙xj)
sti1nβiyi0C>βi≥0 (511)
522非线性支持量机
实际问题非线性问题解决该问题文采支持量机 进行计算函数转化：
minwbξWTW2+Ci1nξi
styiWT∙ϕxi+b1+ξi≥0ξi≥0i12…n(512)
：
fxsgni1nβi*yiKxxi+b* (513)
C——
G——复杂度
惩罚参数C核参数g两参数直接影响精确度
53 SVM分类结果
利Matlab2019a中工具箱完成信号处理分类分类结果证明文采信号分类方法精确度61达预期求具良分类效果：
图52 波模糊熵SVM分类图
54 章结
章中利前较成熟神网络支持量机等方法选择合适核函数利Matlab2019a中工具箱完成信号处理分类分类结果证明文采信号分类方法精确度61达预期求具良分类效果
第6章 总结展
61全文总结
脑机接口技术成前学术界专家学者研究重点脑机接口技术核心EEG信号文EEG信号进行研究讨
（1） 文首先BCI接口技术需求源运方基组成分类做简单介绍紧接着分析年BCI技术国外发展情况引出文讨核心重点—脑电信号脑电信号产生机理特点分类分析方法做较详细介绍
（2）脑电信号噪方面首先介绍种常脑电信号噪方法波阈值噪方法进行详细阐述中关键阈值确定具体方法硬阈值噪软阈值噪等噪开始波分解层数展开讨果层数太少难达良噪效果果层数太会增加计算量文分试验两层三层结果发现分解层数两层时效果较优良接着利Matlab2019a软件采两种噪方法BCI国际竞赛数受试者a段数进行噪处理计算两种方法信噪均方根误差相选择噪效果较软阈值噪
（3）脑电信号特征提取介绍目前较常见EEG信号特征提取方法综合考虑文选择波变换模糊熵特征提取方式分波变换模糊熵原理做详细阐述ERDERS基础掌握α节律β节律幅值变化规律采波变换模糊熵结合方法进行特征提取通分析实验结果发现提取特征重叠少助进步完成信号分类
（4）脑电信号分类方面首先介绍集中常方法贝叶斯分类器线性判分析工神网络等着重介绍支持量机（SVM）方法SVM目前实践理较成熟采SVM脑电信号进行分类良分类结果分类结果61
时间精力限制文研究存诸足信号噪研究中然软阈值噪相硬阈值噪效果稍微然存误差程度降低噪声处理留误差保证脑电信号中保留更效成分需噪方式进行改进目前已国外研究者提出改进算法改进软阈值噪会继续研究脑电信号特征提取中然波变换模糊熵结合方法具良特征提取效果数较少脑电信号分类中采支持量机方法效果惩罚参数C核参数g密切相关参数选取十分重实际操作程中两参数确定存着问题应该寻求种更方法完成参数选择保证分类精度
62未展
然BCI系统位刚起步状态仿佛年刚刚进入众视野理技术够成熟巨潜力应前景充满信心美国NeuroPace计划开发款治疗神障碍植入式设备该设备够发送脉抵消破坏癫痫发作异常信号防止癫痫病发作未BCI技术医学方面面着许许问题尖锐伦理问题脑意识十分复杂样难控制肢体样控制外部设备思维千奇百怪许会想难启齿想法果BCI技术探测种想法会带隐私问题果带伤害行想法没实施否应该想法负责呢？军事领域早电影环太洋中两位角通脑电技术进行意识互通操控机甲美国军事基致力通脑机接口技术实现士兵机意识操控士兵间意识传递方便战场快速做出判断外娱乐方面脑机接口技术够体验着带更加真实趣游戏体验BCI技术未映射领域会非常广泛改变生活甚改变世界
BCI技术非常复杂困难课题需攻克技术难关挑战非常然问题值进步研究讨：
（1） 脑电信号提取目前两方法分析结果两种方法存缺陷找种更方法够安全准确提取脑电信号前研究面巨难题
（2） 类思维复杂性脑思维程中脑电信号特征信息具确定性难确定脑受刺激出现反应信号时间节点特征提取工作带盲目性脑反应时间研究长路漫漫
（3） 文利SVM信号进行分类始终受惩罚子核参数选取影响优化两参数选取分类结果更加精确研究中值讨件事
（4） 脑产生脑电信号较复杂前流分析设备信号处理机制处理速度较缓慢会导致某突发紧急事件处理会变缓慢果真正实际应中会导致预料果提升采集速度处理速度非常关键
相信久着学者断努力研究BCI系统优化项技术更造福造福社会生活更加美
致谢
回首学四年时光发生点点滴滴历历目汗水泪水快乐难杭州电子科技学孕育慈祥母亲需时候时予帮助严父松懈时候促断进步西子湖畔
钱塘潮头笃学力行守正求新杭电严谨治学环境良校风直影响着断前进步动化学院中非常优秀老师身仅仅学非常知识提高学力更学处世道理生生涯中笔非常宝贵财富学生活中认真听讲时完成作业遇学困难时老师寻求解答时实践机会种工程实训实验帮助课学知识运实际中时积极参类竞赛参竞赛程中深化专业知识扩宽见识更学会沟通合作撰写文演讲等课堂定学东西次毕业设计题目着浓厚兴趣选题开始断扩充类知识发现原似简单课题竟深奥加深兴趣促着断学断进步
里感谢学院老师步成长悉心指导完成次老师道声：老师您辛苦谢谢您外文终利完成提供参考文献学者离开感谢提供宝贵文献资料写文程中参考
学友情深情兄妹年夕相处记忆里时常浮现起点点滴滴窗情必终生难忘
感谢文评审答辩中予私帮助老师感谢指出足促成长
时学程中亲情陪伴付出衷心感谢家
指导老师—马老师表达诚挚谢意马老师善儒雅遇困难时候时指点予帮助时马老师治学态度严谨知识渊博指导心力位非常老师里祝老师工作利生活美满
参考文献
[1]LottelFCongedoMLecuyerAetalA Review of Classification Algorithms forEEGBased BrainComputer Interface[J]Journalof Neural Engineering20074113
[2]JRWolpawNBirbaumerW J McFarlandBrainComputer Interface Technology A review of the first international meeting[J] IEEE Transaction on Rehabilitation Engineering 2000 8(2)164173
[3]杨立李佰敏李光林贾磊脑机接口技术综述[J]电子学报2005 33(7)12341239
[4]Proc of the 1st international IEEE EMBS Conference on Neural Engineering[C] Capri island IEEE 2003 614616
[5]黄娜 石砚 脑电EEG信号分析方法[J] 甘肃科技 2010 26(9) 1718
[6] AcharyaU R Molinari F Sree S V etal Automated diagnosis of epileptic EEG using entropies[J] Biomedical Signal Processing and Control 2012 7(4) 401408
[7] Parra L C Spence C D Gerson A D et al Recipes for the linear analysis of EEG[J]Neuroimage 2005 28(2) 326341
[8]张学工关统计学理支持量机[J] 动化学报 2004 26(1) 3242
[9]Jin H Research of movement imagery EEG based on HilbertHuang transform and BP neural network[J] Journal of Biomedical Engineering 2013 30(2) 249253
[10]Friman O Volosyak I Graser A Multiple channel detection of steadystate visualevoked potentials for braincomputer interfaces[J] Biomedical Engineering IEEETransactions on 2007 54(4) 742750
[11]刘斌 魏梦然 罗聪 基脑电BCI研究综述[J] 电脑知识技术：学术交流 2014 10(7) 14931495
[12]孙红敏 边志杰 崔冬等 普拉提运动想象脑电功率谱分析[J] 燕山学学报2012 36(05) 458464
[13]NeuperC Wörtz M Pfurtscheller G ERDERS patterns reflecting sensorimotorractivation and deactivation[J] Progress in Brain Research 2006 159(1) 211222
[14] 周增建 王海 周渭 钱时祥 江炜宁 希尔伯特—黄变换理分辨率研究[J] 测试测量技术2009236
[15] 余淑萍 杨铁军 独立分量分析应[J] 计算机系统应20099156158
[16] 郭彤颖吴成东曲道奎 波变换理应进展[J] 信息控制2004016771
[17] 钱苏敏 张琳絮 张云 常东 基波阈值改进噪算法研究[J] 研究开发201231(05)4951
[18] 马玉良 许明珍 佘青山 高云园 孙曜 杨家强 基适应阈值脑电信号噪方法[J] 传感技术学报201427(10)13681372
[19] 张毅 罗明伟 罗元 脑电信号波变换样熵特征提取方法[J]智系统学报 20127(4)339344
[20] 田京 罗志增 基模糊熵运动想脑电信号特征提取[J] 华中科技学
学报201341(1)9298
[21] 李钢王蔚张胜 支持量机脑电信号分类中应[J] 计算机应200626(6)14311436
[22] 伍亚舟 张玲 易东 吴宝明 基支持量机思维脑电信号特征分类研究[J] 计算机工程应 200844(36)201205
[23] 杨维 李岐强 粒子群优化算法综述[J] 中国工程科学2004(05)9097
文档香网(httpswwwxiangdangnet)户传
《香当网》用户分享的内容，不代表《香当网》观点或立场，请自行判断内容的真实性和可靠性！
该内容是文档的文本内容，更好的格式请下载文档
摘
脑机接口（BrainComputer InterfaceBCI）赖外周神肌肉组织脑外界设备连接起建立起条全新独立信息传输通道便直接控制外界设备障碍患者提供正常运动力提高生活质量中脑电信号（electroencephalogramEEG）提取脑机接口技术关键文脑电信号进行研究具体：
（1）通设备完成脑电信号提取时信号中通常含噪声含噪声信号进行直接分析需进行噪处理文中采两种方式进行噪分硬阈值噪软阈值噪进行噪前分进行两层三层分解实验两种结果进行较终选择两层波分解进行处理终硬阈值软阈值两种噪方法进行实验实验信噪均方根误差数进行较选软阈值噪方法
（2）EEG信号非线性稳性足等特征文波变换模糊熵信号进行处理时优势劣势结合两种方法脑电信号特征进行提取首先受试者aC3通道C4通道采集数进行波分解处理根层频带提取应节律完成波分解数采模糊熵方法实现特征提取文实验结果表明 提取特征重叠较少助续进行脑电信号分类
（3）脑电信号分类言文中利前较成熟神网络支持量机等方法选择合适核函数利Matlab2019a中工具箱完成信号处理分类分类结果证明文采信号分类方法精确度61达预期求具良分类效果
关键词：脑电信号软阈值波变换模糊熵
Abstract
BrainComputer Interface (BCI) can connect the brain with external devices without relying on peripheral nerves and muscle tissue and establish a new and independent information transmission channel In order to directly control the external equipment provide normal exercise capacity for some disabled patients and improve their quality of life Among them the extraction of electroencephalogram (EEG) is the key to braincomputer interface technology This paper studies EEG signals as follows
(1) When the EEG signal is extracted 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 threshold denoising and soft threshold denoising Two and three layers of decomposition experiments were performed before denoising and the two results were compared and finally two layers of wavelet decomposition were selected for processing Finally two denoising methods hard threshold and soft threshold were tested The signaltonoise ratio and root mean square error data obtained by the experiment were compared 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 entropy in the processing of signals are compared Combining the two methods to extract 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 decomposition processing and then the corresponding rhythm is extracted according to different layer bands After the wavelet decomposition is completed the data is extracted by the fuzzy entropy method The experimental results in this paper show that the extracted features are less overlapping which is helpful for the subsequent classification of EEG signals
(3) In terms of the classification of EEG signals in this paper the current mature neural network and support vector machine are used to select the appropriate kernel
function and then use the toolbox in Matlab2019a to complete the signal processing and classification It is proved that the accuracy of the signal classification method used in this paper is 61 which meets the expected requirements and has a good classification effect
Keywords electroencephalogram soft threshold wavelet transformfuzzy entropy
目录
第1章绪 1
11 引言 1
121 BCI系统组成 2
122 BCI系统分类 3
13 国外研究现状存问题 4
第2章脑电信号 6
21 脑电信号概述 6
211 脑电信号产生机理 6
212 脑电信号特点分类 6
22 脑电信号分析方法 7
221 时域分析 7
222 频域分析 7
223 时频分析 7
224 维统计分析 7
225非线性动力学分析 7
23 章结 8
第3章脑电信号预处理 9
31 常脑电信号噪方法 9
311 希尔伯特黄变换 9
312 独立分量分析 9
313 波分析 9
32 波阈值噪 9
321 硬阈值软阈值Garrote阈值噪 10
322 波分解层数确定 10
323 实验结果分析 12
33 章结 13
第4章脑电信号特征提取 14
41 基波变换模糊熵特征提取 14
411 波变换原理 14
412 模糊熵理 16
413 基波变换模糊熵特征提取 18
42 章结 19
第5章脑电信号分类 20
51 常分类方法 20
52 支持量机 20
521 线性支持量机 21
522非线性支持量机 22
53 SVM分类结果 23
54 章结 23
第6章总结展 24
61全文总结 24
62未展 25
致谢 27
参考文献 28
第1章 绪
11 引言
脑作神系统高级部分生理功心理活动离开脑作中心枢纽控制着类思想行情绪等活动接收外部环境刺激时脑会进行分析处理通神肌肉通路外界进行信息交流脑部科学研究类身行健康着非常重意义年数万计意外事发生受预料意外伤害成残疾神系统受损肌肉系统受损阻碍通脑外界正常互动截肢患者肢体瘫痪等病然脑够正常思维利脑控制身体丧失正常活动力日常生活带便意味着卧病床没劳动力患者身家庭社会增加压力着世界科学技术进步医疗学科发展患者够丧失活动力通脑控制外部设备实现运动提高生活质量拥正常基生活已成脑部科学医学界研究重点中引注目项重突破莫脑机接口（）[1]
脑机接口技术够通神肌肉进行通讯[2]样实现患者通脑直接外部设备进行控制原理通设备检测脑皮层电活动采集电信号转换控制外部设备信号该技术问世脑瘫脑损伤患者带福音患者通利该技术辅助恢复语言力运动力取非常良疗效仅身体带残疾士通BCI进行康复治疗够显著增强康复效果缩短正常康复需时间病身体某部位神肌肉种原导致产生损伤时身体脑发出指令法作出回应做出反应非常迟钝基相失运动力现情况开始BCI技术出现病重新恢复正常状态样生活种奢独立生活成种然应医学康复方面BCI技术拥着更加广泛现实意义更应领域军事方面国家已开始研发种通意念控制战争中发挥出色机器帮助飞行员控制飞机装备日常生活中利
BCI技术通脑电波控制游戏机开创种全新游戏方式通BCI够开展思维游戏例时策略游戏外直接网络进行交流通利BCI技术设计监视器检测驾驶证疲劳程度减少疲劳驾驶带危害
12 BCI系统组成分类
121 BCI系统组成
首先简单介绍BCI产生作原理：脑进行运动想象者受外部环境刺激脑皮层区域电位会产生定改变时助装置电极帽等脑皮层发生种变化进行记录刺激引发电信号进行类分析通技术脑产生电信号翻译成计算机够听懂语言进操控外界相关设备[3]BCI技术已广泛受关注该技术仅限残疾辅助康复治疗中够种学科领域中发挥重作效推动行业进步发展构成BCI系统组成成分列程：采集处理信号程特征提取程模式识程控制输出程信息反馈程
（1）采集处理信号程
脑电信号采集两种方式种创电极置方式种创电极外置方式[4]前者通常情况需通手术电极植入脑皮层该装置EEG信号收集直接脑皮层相接触通种方式收集EEG信号会更加准确续开展项研究说极利然该方法缺陷明显收集信号装置需通手术完成危险程度较够植入限数量电极外点需花费较高该方法实际情况少应面提方式需进行手术脑信号收集通种佩戴脑装置完成种方式基存危险操作起更简易成高时目前频繁种方式该方法采集信号强度低通常难满足求需助种装置放器收集信号作放处理外避免肌肉电相关素干扰需采集信号进行消噪处理需助滤波器完成满足获取效脑电信号述程
简单采集处理信号程
（2）特征提取程
脑非常复杂系统具备显著特点非线性非稳性单独想通噪获取干净脑信号难中必然会夹杂着种杂质成分够效提取特征脑信号目前研究者希解决问题整提取程准确否续脑电信号类工作准确度着决定性作截止目前较业界认提取方法种：空间模式波变换验模态分解独立分量分析等[5]
（3）模式识程
该步骤负责收集获特征量进行分类处理进行定分析该程终分类结果准确度会直接影响续控制输出目前业较广泛种分类方法种：贝叶斯分类器[6][7][8][9]等
（4）控制输出程
进行完三程脑思维分析基已初步解测试者想法说测试者脑产生EEG信号已够根前划分分类进行处理通控制系统产生相应控制指令完成外部设备控制活动控制轮椅运动键盘字等控制输出程简单介绍
（5）信息反馈程
信息反馈患者实时观测思维控制设备动作执行情况果出现差错根实际情况进行调节设备更类服务
122 BCI系统分类
脑受刺激会产生某种反应种反应具体表现电位改变种电位变化EEG信号够通相应设备进行收集谓BCI技术收集EEG信号先通噪处理获真正效脑电路信息通相关设备信号进行分类处理够转化外部相关设备进行控制项指令截止目前BCI系统研究领域种（）[10]事件相关电位
()[11]（）事件相关步(ERS)步(ERD)
（1） 视觉诱发电位
眼部够感知外界光源强弱变化光源刺激传递脑部会引起脑皮层电位改变种电位称视觉诱发电位需做工作诱发电位外部刺激间联系建立相关算法够种联系进行定性种关系视觉诱发电位两种：（）()高频率指外部环境予刺激短时间次发生连续性强时间刺激重叠低频率恰恰相反通常情况前刺激完全消失刺激发生
（2） P300事件相关电位
该电位描述种现象脑皮层受刺激时会300ms形成正波峰电位非常趣点果某种刺激发生频率较低时会产生较电位幅值相关事件出现概率较高时电位幅值会较低
（3） 皮层慢电位
皮层慢电位脑皮层检测慢脑电信号通常持续时间05s10s间频率般2Hz脑呈兴奋状态时会脑皮层产生负慢电位脑呈低落状态时相反专业训练者根环境情况调节幅度
（4） 事件相关步(ERS)步(ERD)
想象左手运动时脑皮层中幅值会降该现象称ERD想象右手运动时脑皮层脑电幅值会升高该信现象称作ERS
13 国外研究现状存问题
脑机接口概念提出全世界脑研究者BCI技术着浓厚兴趣20世纪90年代美国召开第届国际BCI会更拉开研究BCI
技术序幕更2001年2003年2005年2008年连续四年举办四届BCI数处理竞赛见BCI技术发展迅速国家研究者科学家付出极心血国家科研机构研究情况：
Nicolelis团队利BCI技术成功提取出猴子运动时脑皮层信号游戏机操作获取需食物奥利Graz学开创式提出事件相关步事件相关区步概念基础成功提取脑思维活动特征70特征够正确分类够更患者操作运动想象系统日家著名公司Neurowear发明款名NecomimiBCI设备外形酷似猫耳朵该款设备根脑电波做出动作反馈表达佩戴者情绪款类似产品—脑电波猫尾通检测者脑电信号判断者心情检测者心情愉悦时尾巴会轻松活泼摇晃检测者心情烦躁时尾巴会摇生硬美国Minnesota学He Bin团队通提取运动想象脑电信号控制直升机运动方做高精度避障德国柏林工业学运脑电信号制动汽车紧急危难时刻快速制动工手动操作快130ms更效保障驾驶证安全2012年美国匹兹堡学研究团队实现利脑ECOG信号控制机械手位高截瘫患者时美国总统奥巴马握手时够脑接收机械手臂传输回信号患者够感受方手掌触感2015年样美国加州理工学研究员通研究脑中手部运动相关脑区活动成功病通脑意念控制假肢完成喝水东西等较复杂动作2016年荷兰乌特勒支学研究团队通BCI技术成功帮助名渐冻症患者通脑计算机连接字准确率高达95国清华学2002年成功开发出种基稳态视觉诱发电位电话拨号系统着高传输率正确率浙江学求研究院开发套基P300电位中文输入系统开创机交互控制方式新纪元重庆学研究团队通二类运动想象想象左右手运动采集脑电信号开发出基左右手运动想象BCI线系统残疾生活辅助神功康复中应等BCI技术发展然巨进步缺点明显中绕开问题脑电信号采集面已提信号采集方式电极置法确实够更精准EEG信号脑部手术风险太续安全隐患需加考虑外够放置电极数量限制电极外置然会带安全方面隐患脑工作复杂性决定电机外置难收集准确脑部信号信号采集程充分考虑外界环境素干扰身活动密分关联BCI技术需考虑体
性差异带具体影响复杂系统数量庞受试者进行量身定制基完成务外脑电信号太巨复杂采集速度法满足求相关设备会发生失真状况者说会造成严重影响特征提取精度方面应足功夫算法选择差异会影响终分类结果迫切需开发出种精度更高方法开展续研究工作需关注点脑电信号进行收集时候需程度提升信噪样减少噪声带影响提取出信息时算法优化工作显极重BCI技术想进入商业市场面着棘手问题第脑电信号采集设备通常较繁琐提高采集设备便携程度便携带面重问题第二脑电信号产生数量短时间法进行预估短时间信号作出快速准确判断需设备接口效率进行提升采集信号效率低设备反应速度法脑思考步进行会产生设备失真延迟等现象提出亟解决问题未研究中克服BCI技术定未生活中发出耀眼光芒
第2章 脑电信号
21 脑电信号概述
211 脑电信号产生机理
体构成言脑核心部分脑时刻处工作状态处睡眠中脑中部分脑细胞然处运转中脑皮层片狭空间中超140亿神细胞居住中EEG信号发现收集工作1926年首次完成该领域研究成果公布世着研究深入发展科学家弄清EEG信号源：进行想象时突触神产生电位亿突触神产生电位叠加起会导致神元细胞产生亢奋者抑制量神元产生亢奋者抑制会形成强电场该电场作脑皮层电位会发生相应改变采集设备脑皮层微弱电流进行采集收集EEG信号
212 脑电信号特点分类
脑皮层产生EEG信号神细胞作产生脑非常复杂机构采集EEG信号具特点：1）信号强度极低抗干扰力弱信号身容易环境产生定波动情形首务信号噪通方法程度减弱外界素干扰2）脑电信号非线性非稳性脑受外界刺激样EEG信号种类种样异常繁杂3）脑电信号非种简单信号波种更复杂合成波存着体差异脑电波波形会异仅频率分量会时期脑电波会形式具体分类：
（1）：频率处间振幅处间源枕顶头皮区域般会发生闭眼情况产生持续12s果眼睛处睁开状态波会消失进波代该现象
医学命名α波阻断场合
（2）：频率处间振幅处间波动般情况出现愉快激动兴奋等状态时会产生波beat波事件相关步步着紧密联系
（3）：频率处间接波通常脑感觉运动皮层产生波具体产生位置C3C4通道位置
（4）：频率处间成年深度睡眠时会出现时婴觉醒状态时会出现delta波
（5）Theta波：该波频率47Hz间般情感受挫情绪低落困意时出现特精神病患者更明显
22 脑电信号分析方法
着国学者断深入研究科技进步BCI技术取令瞩目进展针BCI系统组成部分相应研究策略种策略独见解文罗列种常方法
221 时域分析
时域分析直接性脑电信号波形特征进行分析般情况需种重参数进行较深入研究分包括标准差等该方法早种方法种提取方法中直接种提取容囊括全部物理信息脑电信号中仅仅时域特征存具频域特征外脑电信号复杂综合体单独时域分析够获取特征信息会少表现时域特征成分非常少时域分析现实生活中场合着明显缺点
222 频域分析
通频域分析获EEG信号频率相位等信息法时域分析中通常说EEG部分特征信息处频域中总体讲获取特征信息方面采频域分析效果更显著方面功率谱估计应广泛种频域分析方法具体实践中表现良
223 时频分析
面提两种分析方法存着缺陷改变种状况研究者提出时频分析法顾名思义述两种方法进行效整合领域中波变换法具代表性种分析方法方法外例希尔伯特黄变换等波变换法时域频域进行局部变换功方法完成通该法够更尺度脑电信号进行分析
224 维统计分析
维统计分析够满足脑电信号收集程中种需求原理维数进行降维处理够表征出脑电信号绝部分信息脑电信号分析方面效果显著常方法成分分析空间模式独立分量分析
225非线性动力学分析
脑电信号质属种非线性信号研究程中研究员非线性方法EEG信号展开分析初步效果显著非线性分析方法：系统熵等
23 章结
章首先阐述关脑电信号基础知识脑电信号产生机理源做具体讲解然EEG信号特点进行介绍脑非常复杂采集EEG信号三较突出特点接着根脑电信号波频率分波波节律波波中波特征信息什情况会出现波进行较详细介绍目前研究程中常5处理EEG信号方法进行说明次时域分析时频分析维统计分析非线性动力分析
第3章 脑电信号预处理
脑非常复杂系统部分采外置电极方式收集EEG信号收集程中眼电肌电心电信号会
收集信号产生定程度影响便干扰效果极弱终实验结果说旧会造成显著影响保障特征提取分类取良效果采集EEG信号进行降噪处理首关键步骤
31 常脑电信号噪方法
311 希尔伯特黄变换
希尔伯特黄变化（HHT）够分析非线性非稳信号具完全适应性适合突变信号[14]NASA评伟数学方法验模态分解（）变换组成首先利EMD收信号分解征模态函数（IMF）征模态函数进行Hilbert变换相应Hilbert谱IMFHilbert谱汇总起够接收信号Hilbert谱
312 独立分量分析
[15](ICA)称盲分离该方法互干扰独立信息混合信号中分离出优势破坏信号时消噪声噪声效果传统滤波方法够利ICA算法EEG信号中部分噪声部分进行效分离
313 波分析
波变换[16](WT)种新型变换分析方法继Fourier变换数学方法重突破够局部化分析分析非稳信号成功解决Fourier变换局限性波变换仅终处理效果优异够方面投入应业界广受欢迎
32 波阈值噪
首先波阈值噪[17]基原理进行简单介绍：噪音量广泛分布波域处然真正够保留信号量系数寥寥数通波分解达含噪信号波变换系数信号波变换系数目处极关键点阈值选择阈值选择合理波系数阈值时说明该波系数收噪声影响需进行清处理相反波系数阈值应时刻波系数保留时波系数中蕴
含效信息新波系数研究中需完成工作原始信号进行噪处理终噪信号阈值噪方法两种：硬阈值噪软阈值噪两种方法着定缺陷例前者处理方式会导致信号失原光滑性者会导致信号中部分细节特征遗失
321 硬阈值软阈值噪
硬阈值噪公式：
WjkWjk Wjk ≥λ 0Wjk<λ （31）
软阈值噪公式：
WjksgnWjkWjkλ Wjk ≥λ0Wjk<λ （32）
式中
λ——阈值
Wjk——
Wjk——
322 波分解层数确定
波分解中选取适分解层次[18]非常关键步续噪效果优良否回直接受步影响分解层数少会难信号中噪声进行效清话会计算量显著增更重点：分解层数会信噪增益受较削弱综述需选择合适分解层次文2005年BCI国际竞赛数受试者aC3通道段数进行分析数频率具体情况图：
图31 C3通道原始EEG信号
波分解改数处理分析作波基函数助分分解层数2层3层高频部分低频部分系数结果图示：
图32 C3
图33 C3
似系数细节系数分反映EEG信号低频部分高频部分图32图33够发现分解层数等2时够获佳分解效果波形图图32图31具极高相似度波分解层数确定2层
323 实验结果分析
通MATLAB2019a进行硬软阈值噪结果图示：
图34 硬阈值软阈值噪效果图
图34中知硬软阈值噪产生定效果效降低毛刺结果产生干扰然没棒具体数值进行定量较解决种情况带困扰时够更准确两种噪方法优劣性需引入两指标：信噪均方根误差数学公式示：
SNR10*log10i1Ns2ii1Nx2i (34)
RMSE1Ni1Nsixi2 (35)
值果越说明噪效果越反越差值越噪效果越反越差分两种方式值进行计算两种方法终效果进行定量较见表：
表31 三种方法噪效果表
表31知相较硬阈值噪软阈值噪SNR更RMSE值更出初步结噪效果软阈值噪法更具优势文采取软阈值噪
33 章结
章节介绍两种EEG信号噪方法波阈值噪原理作出说明硬阈值噪软阈值噪解波分解进行噪程中分解层数究竟进行选择针问题展开相关试验终结果证明分解层数等2时够取佳效果利EEG信号进行硬阈值软阈值噪引入信噪SNR均方根误差RMS二者处理效果优劣进行定量分析通公式计算结果知：相较硬阈值噪软阈值噪具更SNR更RMSE值软阈值噪效果更佳文终决定选择软阈值噪法原始信号进行处理
第4章 脑电信号特征提取
BCI技术中核心实现特征提取特征提取质量直接影响信号分类准确性继影响BCI技术体系效果数年国外科学家致力找种高效EEG信号特征提取方法着研究断深入科学家开发出种EEG信号特征提取方法较常见方法包含回模型验模态分解波变换等种方法
（1） 回模型
该方法原理首先样数分干段根信号特征进行提取利AR模型进行信号处理知回模型中第步骤中样数分段会参数估计效果产生重影响该模型适进行非线性问题处理
（2） 空间模式
该方法原理获区分度较空间滤波器知该方法进行特征提取时具益效果前已诸领域中广泛应
（3） 验模态分解
该方法原理建立适应分析方式够适应该方式脑电信号进行分解时需考虑应该选种基波函数减少脑电信号分析工作复杂程度特适信号处理
EEG信号特征提取部分介绍：
41 基波变换模糊熵特征提取
脑非稳非线性系统脑电信号种非线性信号许非线性处理方法脑电信号处理中似熵样熵模糊熵等方法常原理测量EEG信号复杂度该方法反应信号非线性特征波变换够表示EEG信号时频方面特征通分解够频率段脑电信号较全面EEG信号进行描述文该信号进行特征提取采波变换模糊熵相结合方法进行处理
411 波变换原理
(1)波变换
波变换[19]世纪四十年代末法国JMorlet首次提出趣进行球物理研究时提出方法信号处理目前波分析广泛应领域波分析Fourier变换进行优化改进通脑电信号移伸缩变化实现时间频率分析相较Fourier变换言波变化 具更高分辨率更适宜实现非线性信号处理函数表
达式示：
WTfατ1α∞+∞ftψtταdtα>0 （41）
：
ψ(t)——
α——
τ——
f(t)——
ατ：
WTfατα2π∞+∞FwψαweiwtFwdwα>0 42
：
F(w)——f(t)
ψ(w)——ψ(tτα)
（2）
ψ(t)∈L2(R) ψ(w)：
Cψψ(w)2w<∞ (43)
：
ψατt1αψtταατ∈Rα≠0 (44)
f(t)∈L2(R)：
Wfατfψατα12ftψ*tταdt (45)
（3）
计算时信息冗余计算量增首先进行参数离散化具体公式：
ψjkt2j2ψ2jtk (46)
：
Cjkfψjkfψjkt2j2∞+∞ftψ*2jtkdt (47)
：
ftj∞∞k∞∞Cjktψjktj∞∞fjt (48)
：
ψjkt——
j——
k——
：
ftAL+j1LDj (49)
：
L——
AL——
Dj——
f(t) CA1CA2⋯CAL
CD1CD2⋯CDL
图41 离散波分解图
f(t)CA1CA2⋯CAL
CD1CD2⋯CDL
图42 离散波重构图
ALDLDL1…D1：
0f2L+1f2L+1f2Lf2Lf2L1…f22f2
412 模糊熵理
熵概念表示系统复杂混乱程度通常情况系统状态数越复杂度越高应熵值越相反熵越着医学等学科研究深入学者熵研究越越深刻中似熵参数选取方面存致缺陷研究者进行改进提出应优化算法该方法继承似熵优点解决参数选取缺点实际中取定效果样熵需相匹配模板适数集中形成定困难引入二态分类器Heaviside函数度量似量相似性函数公式：
θk1 z≥0 0 z≤0 (410)
见Heaviside函数二值函数弥补样熵缺陷学者进行优化提出应隶属度函数均值算法进行模糊化方法
[20]：
(1)ui1≤i≤N：
ximuiui+1…ui+m1u0i(i12…Nm)
中：
uiui+1…ui+m1——u中第i第i+m1节点
u0i——：
u0i1mj0m1ui+j (411)
(2)dijm——ximxjm：
dijmdximxjmmaxk∈(0m1)ui+ku0i(uj+ku0j)
式中ij1~Nmj≠i
(3)ximxjmDijmu(dijmnr)Dijm
：
Dijmμdijmnrexpdijmr(412)
：
μdijmnr——
n——
r——
(4)ϕn：
ϕnnr1Nmi1Nm1Nm1j1j≠iNmDijm(413)
(5)ϕn+1nr：
ϕn+1nr1Nmi1Nm1Nm1j1j≠iNmDijm+1 (414)
(6)：
FuzzyEnmnrlimN→∞lnϕnnrlnϕn+1nr (415)
：
FuzzyEnmnrNlnϕnnrlnϕn+1nr (416)
：
N——
m——
r——
SdSd
413 基波变换模糊熵特征提取
根文知β节律频率：1530Hz间采波分解层数设定3层xnA3+D3+D2+D1波分解层频带范围表：
表41 层频带范围
首先gC3C4通道数进行波3层分解助MATLAB2019a信号进行重构完成重构信号特征提取结果：
图43 受试者gβ节律波特征
横坐标代表C4通道坐标代表C3通道蓝色右手红色左手
图知两类信号存重叠重叠较少易完成步分类工作
42 章结
章首先介绍常EEG信号特征提取方法讲述波变换模糊熵原理优缺点引入ERDERS概念找α节律β节律相应关系进行波三层分解根波分解层频带范围表找出相应信号利模糊熵算法完成信号特征提取结果表明提取特征重叠少易完成步分类
第5章 脑电信号分类
章中讨脑电信号特征提取方法错结果需EEG信号进行分类步关重需EEG信号转换够控制外部设备命令分类结果会影响BCI系统精确度脑电信号分类直广学者研究热点种EEG信号分类常见方式：
51 常分类方法
种常分类方法：
（1）线性分类器
线性分类器基原理：面组样集定算法作线性判函数然利线性判函数进行分类方法计算量较少广泛应BCI系统分类中
（2）工神网络
工神网络称连接模型根脑基活动特征模拟象种抽象模拟研究工神网络目脑神网络基特征进行提取模拟进实现脑相似功世纪八十年代开始研究者神网络方法障诊断领域取良成果美国柏社学King Chan等首次障诊断中应神网络模型
（3）贝叶斯分类器
贝叶斯分类器原理：出分类项求解项条件类出现概率基概率分类项进行分类优势复杂情况中获较分类效果准确确定先验概率贝叶斯分类器缺点
52 支持量机
世纪六十年代开始研究者限样机器学问题进行研究学者Vapnik提出种新方法SVM（支持量机）支持量机种基传统学理方法质说支持量机某种特殊变换输入样低维转换高维空间该空间中通积函数寻找佳分类面实现样分类程神网络实际应中存局部收敛等缺陷支持量机克服缺陷者通训练程中利控制子学程进行控制相较神网络言需构建复杂数学模型需较少样实现样训练学种机器学方法非常适样分类时前研究者关注热点前支持联机文字识图处理等领域中十分广泛应[2736]
优超面图51示：
图51 优超面
实线优超面虚线散布点支持量[23]
521 线性支持量机
（1）
xiyii12…nxiyi∈11yi：
gxx∙w+b0 (51)
：
w∙xi+b≥1yi1w∙xi+b≤1yi1(52)
yiw∙xi+b≥1i12…n (53)
W——
：
dgxw1w (54)
w2w：
minψww22
styiw∙xi+b≥1 i12…n(55)
：
fxsgni1nβiyixi∙x+b (56)
B——
：
wi1nβi*yixi
b1w∙x y1 (57)
（2）
ξi：
yiw∙xi+b+ξi≥1i12…n (58)
：
fwbξw22+Ci1nIξi (59)
C——：
Lwbξβw22+C2i1nI(ξi)i1nβiyiw∙xi+b+ξi1 (510)
：
maxQβLwbξβi1nβi12ij1nβiβjyiyj(xi∙xj)
sti1nβiyi0C>βi≥0 (511)
522非线性支持量机
实际问题非线性问题解决该问题文采支持量机 进行计算函数转化：
minwbξWTW2+Ci1nξi
styiWT∙ϕxi+b1+ξi≥0ξi≥0i12…n(512)
：
fxsgni1nβi*yiKxxi+b* (513)
C——
G——复杂度
惩罚参数C核参数g两参数直接影响精确度
53 SVM分类结果
利Matlab2019a中工具箱完成信号处理分类分类结果证明文采信号分类方法精确度61达预期求具良分类效果：
图52 波模糊熵SVM分类图
54 章结
章中利前较成熟神网络支持量机等方法选择合适核函数利Matlab2019a中工具箱完成信号处理分类分类结果证明文采信号分类方法精确度61达预期求具良分类效果
第6章 总结展
61全文总结
脑机接口技术成前学术界专家学者研究重点脑机接口技术核心EEG信号文EEG信号进行研究讨
（1） 文首先BCI接口技术需求源运方基组成分类做简单介绍紧接着分析年BCI技术国外发展情况引出文讨核心重点—脑电信号脑电信号产生机理特点分类分析方法做较详细介绍
（2）脑电信号噪方面首先介绍种常脑电信号噪方法波阈值噪方法进行详细阐述中关键阈值确定具体方法硬阈值噪软阈值噪等噪开始波分解层数展开讨果层数太少难达良噪效果果层数太会增加计算量文分试验两层三层结果发现分解层数两层时效果较优良接着利Matlab2019a软件采两种噪方法BCI国际竞赛数受试者a段数进行噪处理计算两种方法信噪均方根误差相选择噪效果较软阈值噪
（3）脑电信号特征提取介绍目前较常见EEG信号特征提取方法综合考虑文选择波变换模糊熵特征提取方式分波变换模糊熵原理做详细阐述ERDERS基础掌握α节律β节律幅值变化规律采波变换模糊熵结合方法进行特征提取通分析实验结果发现提取特征重叠少助进步完成信号分类
（4）脑电信号分类方面首先介绍集中常方法贝叶斯分类器线性判分析工神网络等着重介绍支持量机（SVM）方法SVM目前实践理较成熟采SVM脑电信号进行分类良分类结果分类结果61
时间精力限制文研究存诸足信号噪研究中然软阈值噪相硬阈值噪效果稍微然存误差程度降低噪声处理留误差保证脑电信号中保留更效成分需噪方式进行改进目前已国外研究者提出改进算法改进软阈值噪会继续研究脑电信号特征提取中然波变换模糊熵结合方法具良特征提取效果数较少脑电信号分类中采支持量机方法效果惩罚参数C核参数g密切相关参数选取十分重实际操作程中两参数确定存着问题应该寻求种更方法完成参数选择保证分类精度
62未展
然BCI系统位刚起步状态仿佛年刚刚进入众视野理技术够成熟巨潜力应前景充满信心美国NeuroPace计划开发款治疗神障碍植入式设备该设备够发送脉抵消破坏癫痫发作异常信号防止癫痫病发作未BCI技术医学方面面着许许问题尖锐伦理问题脑意识十分复杂样难控制肢体样控制外部设备思维千奇百怪许会想难启齿想法果BCI技术探测种想法会带隐私问题果带伤害行想法没实施否应该想法负责呢？军事领域早电影环太洋中两位角通脑电技术进行意识互通操控机甲美国军事基致力通脑机接口技术实现士兵机意识操控士兵间意识传递方便战场快速做出判断外娱乐方面脑机接口技术够体验着带更加真实趣游戏体验BCI技术未映射领域会非常广泛改变生活甚改变世界
BCI技术非常复杂困难课题需攻克技术难关挑战非常然问题值进步研究讨：
（1） 脑电信号提取目前两方法分析结果两种方法存缺陷找种更方法够安全准确提取脑电信号前研究面巨难题
（2） 类思维复杂性脑思维程中脑电信号特征信息具确定性难确定脑受刺激出现反应信号时间节点特征提取工作带盲目性脑反应时间研究长路漫漫
（3） 文利SVM信号进行分类始终受惩罚子核参数选取影响优化两参数选取分类结果更加精确研究中值讨件事
（4） 脑产生脑电信号较复杂前流分析设备信号处理机制处理速度较缓慢会导致某突发紧急事件处理会变缓慢果真正实际应中会导致预料果提升采集速度处理速度非常关键
相信久着学者断努力研究BCI系统优化项技术更造福造福社会生活更加美
致谢
回首学四年时光发生点点滴滴历历目汗水泪水快乐难杭州电子科技学孕育慈祥母亲需时候时予帮助严父松懈时候促断进步西子湖畔
钱塘潮头笃学力行守正求新杭电严谨治学环境良校风直影响着断前进步动化学院中非常优秀老师身仅仅学非常知识提高学力更学处世道理生生涯中笔非常宝贵财富学生活中认真听讲时完成作业遇学困难时老师寻求解答时实践机会种工程实训实验帮助课学知识运实际中时积极参类竞赛参竞赛程中深化专业知识扩宽见识更学会沟通合作撰写文演讲等课堂定学东西次毕业设计题目着浓厚兴趣选题开始断扩充类知识发现原似简单课题竟深奥加深兴趣促着断学断进步
里感谢学院老师步成长悉心指导完成次老师道声：老师您辛苦谢谢您外文终利完成提供参考文献学者离开感谢提供宝贵文献资料写文程中参考
学友情深情兄妹年夕相处记忆里时常浮现起点点滴滴窗情必终生难忘
感谢文评审答辩中予私帮助老师感谢指出足促成长
时学程中亲情陪伴付出衷心感谢家
指导老师—马老师表达诚挚谢意马老师善儒雅遇困难时候时指点予帮助时马老师治学态度严谨知识渊博指导心力位非常老师里祝老师工作利生活美满
参考文献
[1]LottelFCongedoMLecuyerAetalA Review of Classification Algorithms forEEGBased BrainComputer Interface[J]Journalof Neural Engineering20074113
[2]JRWolpawNBirbaumerW J McFarlandBrainComputer Interface Technology A review of the first international meeting[J] IEEE Transaction on Rehabilitation Engineering 2000 8(2)164173
[3]杨立李佰敏李光林贾磊脑机接口技术综述[J]电子学报2005 33(7)12341239
[4]Proc of the 1st international IEEE EMBS Conference on Neural Engineering[C] Capri island IEEE 2003 614616
[5]黄娜 石砚 脑电EEG信号分析方法[J] 甘肃科技 2010 26(9) 1718
[6] AcharyaU R Molinari F Sree S V etal Automated diagnosis of epileptic EEG using entropies[J] Biomedical Signal Processing and Control 2012 7(4) 401408
[7] Parra L C Spence C D Gerson A D et al Recipes for the linear analysis of EEG[J]Neuroimage 2005 28(2) 326341
[8]张学工关统计学理支持量机[J] 动化学报 2004 26(1) 3242
[9]Jin H Research of movement imagery EEG based on HilbertHuang transform and BP neural network[J] Journal of Biomedical Engineering 2013 30(2) 249253
[10]Friman O Volosyak I Graser A Multiple channel detection of steadystate visualevoked potentials for braincomputer interfaces[J] Biomedical Engineering IEEETransactions on 2007 54(4) 742750
[11]刘斌 魏梦然 罗聪 基脑电BCI研究综述[J] 电脑知识技术：学术交流 2014 10(7) 14931495
[12]孙红敏 边志杰 崔冬等 普拉提运动想象脑电功率谱分析[J] 燕山学学报2012 36(05) 458464
[13]NeuperC Wörtz M Pfurtscheller G ERDERS patterns reflecting sensorimotorractivation and deactivation[J] Progress in Brain Research 2006 159(1) 211222
[14] 周增建 王海 周渭 钱时祥 江炜宁 希尔伯特—黄变换理分辨率研究[J] 测试测量技术2009236
[15] 余淑萍 杨铁军 独立分量分析应[J] 计算机系统应20099156158
[16] 郭彤颖吴成东曲道奎 波变换理应进展[J] 信息控制2004016771
[17] 钱苏敏 张琳絮 张云 常东 基波阈值改进噪算法研究[J] 研究开发201231(05)4951
[18] 马玉良 许明珍 佘青山 高云园 孙曜 杨家强 基适应阈值脑电信号噪方法[J] 传感技术学报201427(10)13681372
[19] 张毅 罗明伟 罗元 脑电信号波变换样熵特征提取方法[J]智系统学报 20127(4)339344
[20] 田京 罗志增 基模糊熵运动想脑电信号特征提取[J] 华中科技学
学报201341(1)9298
[21] 李钢王蔚张胜 支持量机脑电信号分类中应[J] 计算机应200626(6)14311436
[22] 伍亚舟 张玲 易东 吴宝明 基支持量机思维脑电信号特征分类研究[J] 计算机工程应 200844(36)201205
[23] 杨维 李岐强 粒子群优化算法综述[J] 中国工程科学2004(05)9097
文档香网(httpswwwxiangdangnet)户传
《香当网》用户分享的内容，不代表《香当网》观点或立场，请自行判断内容的真实性和可靠性！
该内容是文档的文本内容，更好的格式请下载文档
