基于小波包分解的意识脑电特征提取.pdfVIP

学兔兔 第33卷 第8期 仪 器 仪 表 学 报 V01．33 No．8 2012年8月 Chinese Journal of Scientific Instrument Aug．2012 基于小波包分解的意识脑电特征提取 颜世玉，刘 冲，赵海滨，王 宏 (东北大学机械工程与自动化学院 沈阳 110004) 摘 要：针对2种不同意识任务(想象左手运动和想象右手运动)的脑一机接口(brain—computer interface，BCI)设计，提出了基于 小波包分解的特征提取方法。首先深入研究了小波包变换，结合事件相关去同步化(event—related desynehronization，ERD)／事件 相关同步化(event—related synchronization，ERS)现象，提出以小波包分解系数来考虑特征，然后对c3、c4导联脑电信号进行小波 包分解系数方差和相对能量2种特征的提取，最后采用最简线性分类器进行分类。结果表明，2种特征对应的最大分类正确率 均达到了85％，对应时间分别为4．34 g和4．39 S。因此，在保证分类正确率的前提下，所提方法更加简单和有效，为大脑意识任 务分类提供了新思路。 关键词：脑电；脑．机接口；小波包变换；方差；相对能量 中图分类号：R318 文献标识码：A 国家标准学科分类代码：310．61 Imaginary EEG feature extraction based on wavelet packet decomposition Yan Shiyu，Liu Chong，Zhao Haibin，Wang Hong (School ofMechanical EngineeringAutomation，Northeastern University，Shenyang 110004，China) Abstract：Aiming at the design of the brain—computer interface(BCI)for classifying different imagined movements of both left and right hands，a feature extraction method based on wavelet packet decomposition is proposed．Firstly， the wavelet packet transform is studied in depth and an idea of taking wavelet packet coefficients as the features is suggested based on event—related desynchronizatiorr／event—related synchronization(ERD／ERS)phenomena．Then， two EEG features of the variances and relative energies of the wavelet packet coefficients are extracted from the EEG signals of channels C3 and C4；and finally，the feature signals are classified using a most simple linear classifier． The results show that the maximum clas