腦電特征信號(hào)自動(dòng)提取與識(shí)別方法的研究.pdf

1、腦電特征信號(hào)的檢測(cè)與識(shí)別是生理電信號(hào)在工程領(lǐng)域中的一個(gè)重要應(yīng)用。該研究的主要目的是實(shí)現(xiàn)腦-計(jì)算機(jī)接口——把腦電信號(hào)轉(zhuǎn)換為控制信號(hào)的系統(tǒng)。國(guó)際上許多學(xué)者為此投入了大量的研究工作，研究方法主要是對(duì)不同導(dǎo)聯(lián)利用頻譜分析和相關(guān)模型及能量統(tǒng)計(jì)等來(lái)尋找思維過(guò)程中的獨(dú)立特征并對(duì)它們分類，多數(shù)人使用誘發(fā)腦電信號(hào)用于控制。但產(chǎn)生誘發(fā)腦電信號(hào)需要一定的外界刺激，難以靈活實(shí)現(xiàn)人腦的主動(dòng)控制，并且這種方法需要花費(fèi)大量的時(shí)間用于受試者的刺激訓(xùn)練，使其應(yīng)用性受到限

2、制。 為此，在查閱眾多相關(guān)文獻(xiàn)和進(jìn)行大量實(shí)驗(yàn)的基礎(chǔ)上，針對(duì)自發(fā)腦電信號(hào)提出了一種新的研究方法：腦電信號(hào)(EEG)是一種的非平穩(wěn)信號(hào)，由于其信號(hào)較弱，很容易淹沒(méi)在噪聲中，小波分析對(duì)非平穩(wěn)隨機(jī)信號(hào)具有良好的時(shí)頻局部特性和變焦能力，通過(guò)多層小波分解可有效的將EEG主要能量信息從噪聲中提取出來(lái)。自發(fā)腦電的產(chǎn)生往往表現(xiàn)為信號(hào)的一個(gè)突變，但即使是在安靜狀態(tài)下，EEG也常會(huì)伴有小范圍的非平穩(wěn)變化，為排除這種干擾，筆者設(shè)計(jì)了一種雙小窗的方法來(lái)檢

3、測(cè)特征腦電的突變，具有較好的抗干擾性。人工神經(jīng)網(wǎng)絡(luò)最大特點(diǎn)是有很強(qiáng)的多輸入并行處理能力、非線性映射能力，以及通過(guò)新的學(xué)習(xí)獲得自適應(yīng)性的能力。還設(shè)計(jì)了一個(gè)單隱層的BP網(wǎng)絡(luò)，然后把一些典型的特征信號(hào)向量作為神經(jīng)元網(wǎng)絡(luò)的輸入，并指定其輸出結(jié)果，然后對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，收斂后，在其輸出端即可實(shí)現(xiàn)對(duì)特征信號(hào)樣本進(jìn)行分類。 為便于系統(tǒng)分析腦電信號(hào)，又設(shè)計(jì)了一套分析軟件，整個(gè)軟件系統(tǒng)是在MATLAB7.0的環(huán)境下編寫(xiě)的，主要實(shí)現(xiàn)讀入從腦電圖儀采集