基于小波包和共同空间模型的运动想象脑电信号特征提取算法*

高枫，鲁昊，高诺

(山东建筑大学信息与电气工程学院，济南 250101)

1 引 言

脑机接口(BCI)是指将中枢神经系统产生的信息直接应用于外界，而不应用于人体周围神经系统和四肢各部位肌肉组织的方法。运动想象脑电信号(EEG)是脑机接口系统能够应用的非常重要的大脑信号。用户通过想象运动产生相应的大脑信号，进而控制外部机器做出相应的动作。因此，运动想象EEG信号特征提取的准确性对于脑机接口的发展和应用有着重要的作用[1-2]。

目前常用的运动想象EEG信号特征提取方法有以下几种。在时域分析中，常用的方法是小波分析法，小波变换虽然具有缩放的特性，可以突出类别间具有最大差距的部分，放大不同类别之间的差异，有效提高识别准确率，但目前自发性EEG信号特征提取基于先验知识，采用感兴趣频段的小波系数，可EEG信号生成机制复杂，难以获得准确的先验知识。频域分析常见的形式是功率谱分析，它能够反应信号的能量变化，缺点是会遗失时间信息。此外，还有共同空间模式(CSP)和独立分量分析(independent component analysis,ICA)算法。利用CSP对EEG信号进行处理的优点是无需提前选取实验者的特异性频率。不足是对EEG信号进行多通道分析时需要大批的电极,这限制了CSP在便携式BCI系统的应用。ICA算法能够有效地从EEG信号中分别出工频干扰等噪声信号，使关键的基本节律成分得以加强，但由于EEG信号的非平稳性，难以得到有价值的结果[3-7]。

针对现阶段已有方法的优缺点，本研究采用CSP和小波包分析相结合的方法对运动想象EEG信号进行分析，提取最有用的特征，进而进行分类。……