基于小波包变换运动想象脑_电信号特征提取与分类-毕业设计论文.docVIP

　郑州大学毕业设计（论文） 题 目 基于小波包变换的运动想象脑电信号特征提取与分类 院 系 电气工程学院 专 业 自动化 班 级 2010-2　 学生姓名 张怡然 学 号 20100220238 指导教师 胡玉霞 职称 副教授 2014年 6 月 03日  摘 要 脑电信号(Electroencephalogram,EEG)是脑神经细胞电生理活动在大脑皮层和头皮的总体反映，在临床医学以及脑科学领域的研究中起着非常重要的作用。 本文首先研究了国内外关于运动想象脑电信号课题的目的和意义，以及相关技术和现状。其次对左右手运动想象脑电信号进行了概述,介绍了脑电信号的特征与采集方式，及相关的同步与去同步的基本概念。然后深入了解了小波包技术及其强大的时频分析功能，并利用MATLAB软件对脑电信号进行小波包分解， 最后采用支持向量机分类器实现了对各不同运动想象的脑电信号分类识别。实验结果表明，采用小波包技术提取的脑电信号特征量能较好的反映不同运动想象时的脑电信号特征，具有比较好的分类效果。 关键词：小波包，特征提取，脑电信号(EEG)，支持向量机分类器 Abstract EEG is the overall reflection of the nerve cells in the brain electrophysiological activity in the cerebral cortex and the scalp, It plays a very important role in the field of clinical medicine and brain science research. In this paper, Firstly, we study the purpose and significance of research at home and abroad on the subject of movement imagination EEG , and related technologies and the status.Secondly we overview the movement imagination EEG of left and right hands signals,introducing the characteristics and EEG acquisition mode ,and the related basic concepts of desynchronization and synchronization. Then in-depth understand of the wavelet packet technology and its powerful time-frequency analysis function.And we use MATLAB software programming on the EEG signal by wavelet packet decomposition, and its reconstruction and feature extraction。At last using support vector machine (SVM) to classify motor imagery EEG signals, and the experiment results show that the feature of EEG signals which are extracted by using wavelet packet technology can reflect well the feature of the EEG signals and it has a good classification effect. Key words: Wavelet packet, Feature extraction, Brain electrical signal, Support vector machine (SVM) classifier 目 录 摘要......................................................................................................