脑电信号的特征提取与分类分析研究 电子信息工程管理专业

摘 要脑-机接口（Brain-Computer Interface,BCI）可以不依赖外周神经与肌肉组织，把大脑与外界设备连接起来，建立起一条全新的、独立的信息传输通道。以便于直接控制外界设备，为一些障碍患者提供正常的运动能力，提高他们的生活质量。其中，脑电信号（electroencephalogram，EEG）的提取是脑机接口技术的关键，本文对脑电信号进行研究，具体如下：（1）通过设备完成脑电信号提取时信号中通常含有噪声，含有噪声的信号不能进行直接分析和使用，因此需要对其进行去噪处理，在本文中采用两种方式进行去噪，分别为硬阈值去噪与软阈值去噪。在进行去噪之前分别进行了两层和三层的分解实验，并对两种结果进行比较最终选择两层小波分解进行处理。最终对硬阈值和软阈值两种去噪方法进行了实验，对实验所得到的信噪比和均方根误差数据进行比较，选用软阈值去噪方法。（2）由于 EEG 信号非线性且平稳性不足等特征，在本文对比了小波变换和模糊熵在对信号进行处理时的优势和劣势，结合两种方法对脑电信号特征进行提取，首先对受试者 a 的 C3 通道和 C4 通道所采集的数据进行小波分解处理，随后根据不同层频带提取对应节律，在完成小波分解之后将数据采用模糊熵方法实现特征提取。本文的实验结果表明 ，提取的特征重叠较少，有助于后续进行脑电信号的分类。（3）就脑电信号的分类而言，在本文中利用当前较为成熟的神经网络以及支持向量机等方法，选择合适的核函数后利用 Matlab2019a 中的工具箱完成信号的处理和分类，分类结果证明，本文所采用的信号分类方法精确度为 61%，达到预期要求，具有良好的分类效果。关键词：脑电信号；软阈值；小波变换；模糊熵；AbstractBrain-Computer Interface (BCI) can connect the brain with external devices without relying on peripheral nerves and muscle tissue, and establish a new and independent information transmission channel. In order to directly control the external equipment, provide normal exercise capacity for some disabled patients and improve their quality of life. Among them, the extraction of electroencephalogram (EEG) is the key to brain-computer interface technology. This paper studies EEG signals as follows:(1) When the EEG signal is extracted by the device, t...