翟延祥，薄 华

(上海海事大学 信息工程学院院，上海 201306)

基于小波变换和AR模型的脑电信号注意力状态识别

翟延祥，薄 华

(上海海事大学 信息工程学院院，上海201306)

针对神经反馈训练研究中注意力状态识别精度不高的特点，建立了一种基于离散小波变换和AR模型的方法用于提高注意力识别的精度。利用dbN小波函数对脑电数据样本进行多层小波分解，提取小波变换系数的三种统计特征；同时采用Brug算法得到AR模型系数；用这两种参数相结合后使用支持向量机进行识别。与只采用小波变换或AR模型等特征提取方法相比，本文方法有更高的识别率。

注意力识别；小波变换；AR模型；支持向量机

0 引言

脑电信号(ElectroEncephaloGram,EEG)产生于大脑皮层的神经活动，它是采用非侵入式方式记录从头皮采集到的大脑皮层信号，一定程度上反映了大脑活动状态[1]。脑电注意力状态识别是脑电生物反馈的重要组成部分，在临床医疗方面有着许多的应用，比如治疗注意缺陷多动障碍(Attention Deficit Hyperactive Disorder,ADHD)、自闭症(Autistic Specturm Disorder,ASD)、癫痫等。

目前采用频谱分析方法识别大脑状态的注意水平主要有两种算法，一种是计算θ/β比率得出大脑注意水平状态；另一种是将脑电信号分解为δ波(≤4 Hz)、θ波(4～8 Hz)、α波(8～15 Hz)、β波(12～30 Hz)和其他波(≥30 Hz)，把每个波段的能量或者功率谱作为反馈信息，比如维格纳-费利分布、匹配追踪法等[2]。然而脑电属于非线性随机信号，仅仅采用脑电的频谱特征并不能完全真实地反映实际状况，从而影响训练效果。因此本文利用小波低频变化缓慢、高频变化较快的特点提出一种将离散小波系数和AR模型系数两者相结合的特征提取方法。……