朱晓军，吕士钦，王延菲，余雪丽

（太原理工大学a.计算机科学与技术学院；b.数学学院，太原 030024)

脑电信号（Electroencephalograph，EEG)是脑神经细胞传导信息时在大脑皮层或头皮表面的总体电位反映［1］，自1932年 Dietch［2］首先采用傅立叶变换对脑电信号进行分析之后，在该领域相继产生了时域分析、频域分析和时频分析等方法。时域分析方法主要基于信号的幅值、方差、均值等参数，而频域分析方法主要基于各频段功率、相干等，时频分析则综合考虑了时间域和频率域两个方面的特性，来阐述EEG信号的频率随着时间变化的关系。近几年来，随着信号处理技术和计算机技术的发展，神经网络分析、混沌分析［3］、非线性时间序列分析［4］等新方法被应用到了EEG的信号处理中，但是这些方法还在探索研究中，还不成熟，有的使用起来过于复杂，衡量的指标具有一定的不确定性。

2005年，Jonathan S.Smith在处理脑电信号时，提出了一种新的时频分析方法——局域均值分解［5］（Local mean decomposition，LMD)，并且取得了一定的成功。该方法从提出到至今，经过几年的发展，取得很大进展。但是该方法在应用时会存在端点效应问题［6］，使得信号产生畸变，分解过程中可能会造成信号两端端点发散，导致信号在重构时丢失部分原有的特征。鉴于此，为了降低这种端点效应的影响，提高脑电信号的特征提取效果，本文提出了一种基于相似波形加权匹配的端点延拓算法。该算法主要利用在一段波形中相似子波会反复出现这一特点，提取与端点处波段相似的子波，求得其加权平均波，并利用得到的平均波对原始信号的左右端点进行延拓。……