python脑电信号分析_P300脑电信号的特征提取及分类研究

龙源期刊网

http://www.qikan.com.cn

P300

脑电信号的特征提取及分类研究

作者：马也

姜光萍

来源：《山东工业技术》

2017

年第

10

期

摘

要：针对

P300

脑电信号信噪比低，分类困难的特点，本文研究了一种基于独立分量分

析和支持向量机相结合的脑电信号处理方法。首先对

P300

脑电信号进行叠加平均，根据

ICA

算法的要求，对叠加平均的信号进行去均值及白化处理。然后使用快速定点的

FastICA

算法提

取

P300

脑电信号的特征向量，最后送入支持向量机进行分类。采用国际

BCI

竞赛

III

中的

DataSetII

数据进行验证，算法的最高分类正确率达

90.12%

。本算法原理简单，能有效提取

P300

脑电信号的特征，对

P300

脑电信号特征提取及分类的任务提供参考方法。

关键词：

P300

脑电信号；特征提取；独立分量分析；支持向量机

DOI

：

10.16640/j.cnki.37-1222/t.2017.10.180

0

引

言

近年来随着世界人口的不断增多和老龄化加剧的现象，肌肉萎缩性侧索硬化症，瘫痪，老

年痴呆症等患者的基数也相应增长，给社会及病人家属带来了沉重的负担。而近年来出现的涉

及神经科学、认知科学、计算机科学、控制工程、医学等多学科、多领域的脑机接口方式应运

而生

[1]

。脑机接口(

brain computer interface

，

BCI

)是建立一种大脑与计算机或其他装置联系

的技术，该联系可以不通过通常的大脑输出通路(大脑的外周神经和肌肉组织)

[2]

。这种人

机交互形式可以代替语言和肢体动作，使得恢复和增强人类身体与心理机能、思维意念控制变

成为可能。因此在军事目标搜索

[3]

、飞行模拟器控制

[4]

、汽车驾驶

[5]

、新型游戏娱乐

[6]

以及

帮助运动或感觉机能出现问题的残障人士重新恢复信息通信功能

[7]

等方面均有应用并有巨大

潜能。

脑机接口系统的性能主要由脑电信号处理模块决定。脑电信号处理模块的核心由特征提取

和分类识别两部分组成。常见的脑电信号特征提取方法很多，针对不同的脑电信号有不同的方

法。例如时域分析方法有功率谱分析及快速傅里叶变换(

FFT

)等，适用于

P300

、

N400

等潜

伏期与波形恒定，与刺激有严格锁时关系的诱发脑电信号；频域分析方法有自回归模型及数字

滤波器等，适用于频率特征明显的运动想象脑电信号；时频域分析方法有小波变换，适用于时

频特性随时间不断改变的脑电信号。上述方法实时性较好，使用较为广泛，但不能直接表达

EEG

各导联之间的关系。空间域特征提取方法有共空间模式法(

CSP

)、独立分量分析法

(

ICA

)等，该类方法可以利用各导联脑电信号之间的空间分布及相关性信息，一般用于多通

道的脑电信号特征提取。

[8-10]