基于小波分解和Teager能量算子的P300特征提取及分類算法研究.pdf

1、腦電作為最普遍和緊要的人體生物電之一，根據(jù)研究表明其含有豐碩的生理、心理及病理信息。腦機接口(brain-computer interface，BCI)是一種生命科學領(lǐng)域的通訊接口，研究表明通過記錄腦電信號，并對腦電信號進行一定的處理后能夠解讀出被測試的人體大腦的思維，因此能夠?qū)⑵滢D(zhuǎn)換成機器能識別的控制命令從而實現(xiàn)人腦對計算機、輪椅、家用電器和機器人等控制，因此科研人員研究腦電信號具有舉足輕重的意義，主要運用于腦功能分析、臨床神經(jīng)科疾病

2、分析、判斷人思維乃至國防工業(yè)等方面。
　　基于視覺誘發(fā)電位P300的腦機接口比較容易實現(xiàn)，因此本論文主要是研究如何判斷采用視覺誘發(fā)獲得的腦電數(shù)據(jù)中是否含有誘發(fā)電位P300及其處理方法:
　　1.在腦電采集系統(tǒng)中，工頻干擾是最常見的干擾之一，在硬件上進行強制性去工頻干擾會去掉有用的腦電信號，所以使用算法軟式去工頻干擾，可以減少腦電信息的丟失，因此本論文對腦電信號預處理時專門設(shè)計了一個工頻陷波器，濾掉50Hz的工頻干擾，它能在保

3、證其他頻率的信號不損失的情況下，有效的抑制輸入信號中某一頻率信息。
　　2.工頻濾波后的腦電數(shù)據(jù)可能還是含有其他的噪聲，甚至被噪聲淹沒，使提取腦電數(shù)據(jù)的特征帶來了非常大的困難，所以去除掉噪聲為下步特征提取做好準備具有重要意義。由于小波分析是一類窗口大小不變，大小可變的典型的不論在時域還是頻域都有不錯的局部化信號分析方法，其可根據(jù)被分析的信號的特點自適應(yīng)地分析不同尺度的被分析信號，所以本論文使用基于小波基“sym6”的小波分析進行默

4、認閾值去噪;
　　3.為了提高分辨的速度和提取腦電數(shù)據(jù)時域的特征量，進行腦電數(shù)據(jù)降維的同時保存腦電數(shù)據(jù)時域的基本特征是普遍的做法。根據(jù)對小波分解的介紹和分析，本論文采用了基于小波基“sym6”的腦電數(shù)據(jù)分解，一段采樣點206的腦電數(shù)據(jù)的經(jīng)過小波分解后降維到23個點;
　　4.為了獲得更多P300的特征量已到達訓練出更好的支持向量機分類模型，本論文提出了采集腦電數(shù)據(jù)的能量域特征，因此引入了Teager能量算子。Teager能量