武警工程大学研究生管理大队 周宁城 魏绪望 谢佳华

LMD算法在脑电信号特征提取中的应用

武警工程大学研究生管理大队 周宁城 魏绪望 谢佳华

脑机接口（Brain Computer Interfaces，BCI）是一种不依赖于外周神经和肌肉组织，直接实现大脑与外部设备交互的全新的信息交换通路。局域均值分解（Local Mean Decomposition,LMD）作为近年来新兴的时频分析方法，在处理非线性、非平稳信号方面具有独特的优势。本文采用LMD算法对2003年国际BCI竞赛数据进行处理，并用支持向量机（SVM）对提取的特征进行分类，验证了LMD算法在脑电信号的特征提取中的有效性。

脑机接口；支持向量机；局域均值分解

1　 引言

脑电信号处理的方法种类繁多，大体可归纳为时域分析、频域分析和时频分析[1]。由于时域分析只能反映出信号幅值随时间的变化，而频域仅反映了各频率分量的大小，因此两者都存在一定的局限性。时频分析方法能够反映出信号能量在事频空间的变化情况，对于处理非线性、非平稳的脑电信号有着显著的优势。局域均值分解（Local Mean Decomposition，LMD）是近年来新兴的时频分析方法。本文主要采用LMD算法对运动想象脑电信号进行分析处理，取得了较好的效果。

2　 LMD基本原理

LMD是一种自适应时频分析算法，它将多分量信号分解为多个具有实际物理意义的乘积函数（Production Function,PF）之和，每一个PF分量都是包络信号与调频信号的乘积，其中，PF分量的瞬时频率可由调频信号求出，PF分量的瞬时幅值即为包络信号，从而得到原信号的时频分布[2]。对于信号，LMD分解过程如下：