基于小波分解和Teager能量算子的P300特征提取及分類算法研究.pdf

1、腦電作為最普遍和緊要的人體生物電之一，根據(jù)研究表明其含有豐碩的生理、心理及病理信息。腦機(jī)接口(brain-computer interface，BCI)是一種生命科學(xué)領(lǐng)域的通訊接口，研究表明通過記錄腦電信號(hào)，并對(duì)腦電信號(hào)進(jìn)行一定的處理后能夠解讀出被測(cè)試的人體大腦的思維，因此能夠?qū)⑵滢D(zhuǎn)換成機(jī)器能識(shí)別的控制命令從而實(shí)現(xiàn)人腦對(duì)計(jì)算機(jī)、輪椅、家用電器和機(jī)器人等控制，因此科研人員研究腦電信號(hào)具有舉足輕重的意義，主要運(yùn)用于腦功能分析、臨床神經(jīng)科疾病

2、分析、判斷人思維乃至國(guó)防工業(yè)等方面。
　　基于視覺誘發(fā)電位P300的腦機(jī)接口比較容易實(shí)現(xiàn)，因此本論文主要是研究如何判斷采用視覺誘發(fā)獲得的腦電數(shù)據(jù)中是否含有誘發(fā)電位P300及其處理方法:
　　1.在腦電采集系統(tǒng)中，工頻干擾是最常見的干擾之一，在硬件上進(jìn)行強(qiáng)制性去工頻干擾會(huì)去掉有用的腦電信號(hào)，所以使用算法軟式去工頻干擾，可以減少腦電信息的丟失，因此本論文對(duì)腦電信號(hào)預(yù)處理時(shí)專門設(shè)計(jì)了一個(gè)工頻陷波器，濾掉50Hz的工頻干擾，它能在保

3、證其他頻率的信號(hào)不損失的情況下，有效的抑制輸入信號(hào)中某一頻率信息。
　　2.工頻濾波后的腦電數(shù)據(jù)可能還是含有其他的噪聲，甚至被噪聲淹沒，使提取腦電數(shù)據(jù)的特征帶來(lái)了非常大的困難，所以去除掉噪聲為下步特征提取做好準(zhǔn)備具有重要意義。由于小波分析是一類窗口大小不變，大小可變的典型的不論在時(shí)域還是頻域都有不錯(cuò)的局部化信號(hào)分析方法，其可根據(jù)被分析的信號(hào)的特點(diǎn)自適應(yīng)地分析不同尺度的被分析信號(hào)，所以本論文使用基于小波基“sym6”的小波分析進(jìn)行默

4、認(rèn)閾值去噪;
　　3.為了提高分辨的速度和提取腦電數(shù)據(jù)時(shí)域的特征量，進(jìn)行腦電數(shù)據(jù)降維的同時(shí)保存腦電數(shù)據(jù)時(shí)域的基本特征是普遍的做法。根據(jù)對(duì)小波分解的介紹和分析，本論文采用了基于小波基“sym6”的腦電數(shù)據(jù)分解，一段采樣點(diǎn)206的腦電數(shù)據(jù)的經(jīng)過小波分解后降維到23個(gè)點(diǎn);
　　4.為了獲得更多P300的特征量已到達(dá)訓(xùn)練出更好的支持向量機(jī)分類模型，本論文提出了采集腦電數(shù)據(jù)的能量域特征，因此引入了Teager能量算子。Teager能量