基于小波分解的腦電信號特征提取

摘 要：該文針對腦電特征提取數據量大、分類性能較差等缺點，采用離散小波變換的方法來進行特征提取。分析了小波變換特征提取的特點和特征表示方式，用Daubechies小波函數對基于運動想象的腦電信號進行四層分解，抽取小波變換的重要子帶小波系數，小波系數均值和小波系數方差組成不同的特征向量。該文采用神經網絡分類器進行分類，實驗結果表明，基于重要子帶小波系數均值和方差形成的特征向量具有更高的分類性能，為利用腦電識別人的不同意圖提供了快速而有效的手段。

關鍵詞：腦-機接口 小波變換 腦電 特征提取

中圖分類號：R318 文獻標識碼：A 文章編號：1674-098X（2015）10（b）-0136-02

腦-機接口（ Brain-Computer Interface，BCI） 是一種不依賴于腦的正常輸出通路的通信系統，是一種新的人機接口方式，其實質是通過腦電信號的變化來識別人的意圖，實現人機交流。BCI技術在許多領域中正受到世界廣泛的關注。

BCI的研究涉及多種學科，許多疑難問題還有待解決，其中特征的提取和分類是目前研究的重點內容。

該文基于離散小波變換進行EEG特征提取，分別抽取小波變換D2、D3子帶小波系數與小波系數均值組成特征向量，D2、D3小波系數均值與方差組成特征向量。采用神經網絡進行分類，以分類正確率作為指標，將兩種特征的分類結果進行比較，得到最優的特征向量。

1 腦電信號特征提取依據

當某一皮層區域活躍起來，特定頻率的節律性活動表現為幅度的降低或稱為事件相關去同步（Event-Related Desynchronization， ERD），當某一活動在一定時刻沒有使相關皮層區域明顯地活躍起來，特定頻率就表現為幅度升高或稱為事件相關同步（Event-Related Synchronization， ERS）。

根據圖1的結果表明，信號在不同頻率時，信號幅度譜在μ/β頻段上有明顯的差異。在左手想象運動時，我們發現，C3導聯腦電信號的譜峰要比C4導聯腦電信號的譜峰高，說明C3大腦皮層區域在想象左手運動時的ERS現象強于C4大腦皮層區域。同理，想象右手運動時，C4導聯腦電信號的譜峰明顯要比C3導聯腦電信號的譜峰高，說明C4大腦皮層區域在想象右手運動時的ERS現象強于C3大腦皮層區域。

2 小波分解算法

該文主要研究用Daubechies小波，想象左右手運動信號是從第3 s正式開始，而經過實驗表明，特征最明顯的時間段存在于4～7 s，所以我們只選取4～7 s的信號進行處理。分別對想象左右手運動的C3、C4在4～7 s的信號進行4層分解，即f（t）=A4+D4+…+D1，各分量對應的子頻帶依次為0～4，4～8，8～16，16～32，32～64 Hz，這些子頻帶頻率成分分別與EEG中Delta、Theta、Alpha、Beta、Gamma（>30 Hz）的頻段相對應，各子帶具有明確的含義，因此我們進行4層小波分解。系數向量C的結構按如下組織：C=[cA4，cD4，cD3，…，cD1]，對EEG樣本數據進行分解。

特征提取主要分為三步：

第一步：對左右手運動想象訓練樣本用選定的小波函數進行4層小波分解，得到對應的系數向量C和長度向量L。

第二步：基于左右手運動想象樣本的重要信息表現在8～13Hz或18～24Hz的u/β節律上，他們分別包含在子帶系數D2和D3中，在數據預處理過程中，主要將攜帶重要信息的4～7秒時間段的數據作為研究對象。采用離散小波變換得到只包含D2，D3的小波系數向量C及對應的子帶均值向量M，以及子帶方差向量D。

第三步：根據上述方法得到向量C，D和M后，產生第一種特征向量cX=[C M]，cX為22維向量。第二種特征向量dX=[D M]，dX為4維向量。

運動想象腦電信號特征參數提取算法流程如圖2所示。

3 結語

該文基于離散小波變換，對基于運動想象腦電信號進行特征提取，得到了兩種特征向量，第一種特征向量是由重要子帶小波系數和小波系數均值形成的；第二種特征向量是由重要子帶小波系數均值和小波系數方差形成的。該方法與傳統方法相比較采用了更多的有效信息。其次是選擇了有效信息豐富的時間段和頻率段，提高了分離性能。在分類方面，該文采用神經網絡對兩種特征進行分類，以平均識別率為指標，最終通過對平均識別率的比較，得到的結果說明了采用重要子帶小波系數均值和方差形成的特征向量具有更好的分類性能。

參考文獻

[1]Virts J.The third international meeting on brain-computer interface technology： making a difference[J].IEEE Trans Neural Syst Rehabil Eng，2006，14（2）：126-127.

[2]Vaughan TM.Brain-computer interface technology：a review of the second international meeting [J] . IEEE Trans Neural Syst Rehabil Eng ，2003，11（2）：94-109.

[3]徐寶國，宋愛國.單次運動想象腦電的特征提取和分類[J].東南大學報，2007，37（4）：629-630.

[4]楊幫華，顏國正，鄢波，等.基于離散小波變換提取腦-機接口中腦電特征[J].中國生物醫學工程學報，2007，25 （5）：518-519.

[5]堯德中.腦功能探測的電學理論與方法[M].北京：科學出版，2003.