小波滤波与AR 模型在脑电信号处理的应用*

王 力，张 雄

(东南大学电子科学与工程学院，南京210096)

随着科学技术的不断发展，脑－计算机接口技术BCI(Brain Computer Interface)为运动功能障碍者提供了一种新的康复手段，而受到了广泛的关注。它绕开了外周神经和肌肉组织，直接为大脑提供一种新的信息交流和控制通路，从而提供一种新的与外界环境进行交流和沟通的途径［1－2］。

脑电信号的处理包括特征提取和分类，最常用的特征提取方法有FFT(快速傅里叶变换)、STFT(短时傅里叶变换)、AR、ICA、小波分析和Hilbert－Huang［3］变换等方法，本文提出一种基于小波滤波和AR 模型的特征提取方法，将脑电放大器C3 和C4 电极采集［4，6］的两路运动想象信号进行小波滤波，AR 模型提取功率谱特征向量。用BP神经网络进行分类，验证了该方法具有一定的有效性。

1 实验数据

本实验的数据由美国Neuroscan 公司生产的SynAmps 2 脑电放大器，采用AgCl 电极，数据从国际标准的10 ～20 导联系统的C3 和C4 电极。实验包括四组每组40 次总共160 次的数据。

时序如图1 所示:0 ～2 s 试验者保持平静，2 s ～7s 出现一个向左或者向右的箭头。如图2 所示，试验者看到向左或者向右的箭头就立即持续想象左手划水或者右手划水的动作，左右箭头颜色不同是为了给试验者足够的刺激，帮助其注意力集中。

2 脑电特征向量的提取

图1 实验时序和电极的位置

图2 试验者看箭头方向想象左手或右手运动

2.1 离散小波变换和小波滤波

离散小波变换［7］建立在二进制小波变换的基础上。信号f(t)的正交二进制小波变换和逆变换定义:

fj(t)表示信号f(t)在某一刻度(a =2j)下的分量。……