結(jié)合子空間方法和提升小波變換提取BCI載波.pdf

1、利用事件相關(guān)電位ERP(Event Related Potentials)作為通信載波能夠較好地解決腦-計算機接口(Brain-Computer Interface，BCI)的連續(xù)工作問題。為此，我們擬構(gòu)建一個基于ERP的BCI系統(tǒng)。該系統(tǒng)讓被試觀察呈現(xiàn)在計算機屏幕上的由36個字符構(gòu)成的虛擬鍵盤，采用模擬自然閱讀的誘發(fā)模式，大腦自主地進行選擇性輸入，根據(jù)從頭皮檢測到的從事選擇活動相關(guān)的ERP的時域分布，確定被試所選定的字符對象，完成大腦

2、和計算機之間的通信。 但是ERP信號非常微弱且被各種各樣地噪聲干擾，如何在強噪聲背景下有效地提取作為通信載波的ERP成分一直是BCI研究和應(yīng)用中的一個重要問題。BCI實驗記錄中主要噪聲是自發(fā)腦電信號，其頻譜與背景噪聲頻譜重疊，采用常規(guī)濾波器難以消除它的影響。 為了有效的去除自發(fā)腦電的影響，我們考慮子空間分解的方法。將記錄數(shù)據(jù)投影到信號子空間就可以減小噪聲的影響。但是BCI實驗記錄的信噪比往往較低，遠小于0dB，僅使用子空

3、間分解來去除噪聲效果并不明顯。 小波變換從多個尺度和細節(jié)對信號進行考察，能對信號的時域和頻域的局部性質(zhì)進行分析和處理。當噪聲為高斯噪聲時，其小波變換模極大值的變化和ERP信號正相反。通過選擇最佳的小波基對記錄信號進行多尺度分析，選擇合適的閾值，就可以在信號重建時除去噪聲，保留有用的信號，現(xiàn)在的實際情況是自發(fā)腦電是一種非高斯分布的隨機信號，不能直接用多尺度小波分析方法確定其局部奇異性。為此，我們提出一個結(jié)合子空間方法和提升小波變換