基于HCSP和模糊熵的脑电信号分类

于沐涵，陈 峰

(南通大学 电气工程学院，江苏 南通 226019)

0 引 言

脑-机接口(brain-computer interface，BCI)[1]通过分析由运动想象产生的脑电信号就能读取人脑发出的动作指令，从而替代大脑神经与人体肌肉直接与外部设备建立连接通道，帮助肢体活动受限的人操作和控制一些辅助设备。然而由于脑电信号自身固有的非线性和非平稳性，这给脑电信号特征提取与识别带来了巨大的挑战，同时也是运动想象BCI技术一直处于实验室阶段，不能走入实际应用的主要原因[2]。

目前，研究人员已提出多种运动想象脑电信号的特征提取[3-7]方法。其中小波变换和小波包变换都是基于傅里叶变换的特征提取算法，不能在时域和频域同时具有较高的分辨率。共同空间模式提取的特征缺乏相关的频域信息，且需要大量的电极，无法应用到少通道信号中[8]。希尔伯特-黄变换在时域和频域都具有很高的分辨率，但是在EMD分解后需要人为选取IMF分量，由此可能导致重构信号混入噪声或丢失对分类有用的信息[9]。针对上述特征提取方法中的缺陷，提出了希尔伯特-黄变换与共同空间模式相结合(HCSP)的方法，结合自购实验装置EPOC，对表征手部运动想象脑电特征的C3、C4、CZ三通道分别进行经验模态分解，选取分类效果最明显的前三阶IMF及其组合构成15维的信号，应用希尔伯特变换求取瞬时幅值后，利用CSP特征提取，联合计算空间滤波器滤波后信号的AR模型参数和模糊熵[10,11]构造特征向量。针对BCI competition 2003的数据，分别采用希尔伯特-黄变换、CSP和本文提出的方法进行特征提取，再用线性分类器[12]进行分类。……