基于小波包分解與近似熵的特征提取方法研究及在腦機(jī)接口中的應(yīng)用.pdf

1、腦機(jī)接口（brain-computer interface,BCI）技術(shù)是在大腦與外部軟硬件設(shè)備之間建立的一種溝通和控制通道，該通道可使用戶使用腦信號與外界進(jìn)行交流溝通或控制外部設(shè)備，不需要借助語言或肢體活動，為患者開辟了一條與外界交流的通道，是一種新興的人機(jī)交互方式，也是未來人工智能發(fā)展的基礎(chǔ)。在腦機(jī)接口系統(tǒng)中，特征提取是最重要的環(huán)節(jié)，影響著整個系統(tǒng)的分類性能。傳統(tǒng)特征提取方法有從時域，頻域，時頻聯(lián)合，空域等對腦電信號分析。由于腦電信

2、號（EEG）是一種產(chǎn)生機(jī)理相當(dāng)復(fù)雜且非常微弱的隨機(jī)信號，還容易被肌電信號（EMG）、眼電信號（EOG）等外界因素的干擾，都會影響系統(tǒng)的分類正確率。
　　為提高運(yùn)動想象腦機(jī)接口的分類正確率，本文用結(jié)合小波包分解與近似熵的方法對腦電信號進(jìn)行特征提取。該方法利用小波包對腦電信號全頻段進(jìn)行分解，用近似熵函數(shù)對分解后的結(jié)點提取分類特征，然后用稀疏表示對特征向量進(jìn)行降維，最后使用功率差方法進(jìn)行分類。實驗中選擇不同的通道數(shù)是為了尋找有效信道，使

3、這些信道可以準(zhǔn)確的反映各種運(yùn)動想象任務(wù)或肢體運(yùn)動特征，并可減少噪聲及不相關(guān)信道的干擾，以減少算法復(fù)雜度并減輕通信系統(tǒng)負(fù)擔(dān)，提高腦機(jī)接口系統(tǒng)運(yùn)行效率。
　　實驗結(jié)果表明，在使用1秒數(shù)據(jù)進(jìn)行分類的條件下，該方法在使用兩種不同通道集合時都取得了很好的分類效果。該方法與小波包分解與空域濾波方法和傳統(tǒng)的共空域模式方法相比在不同的信道數(shù)時分類正確率都有所提高。另外，使用的數(shù)據(jù)長度越短，分類識別率越高，表明該方法更適用于較短的數(shù)據(jù)，有利于提高腦