基于脑电EEG信号的分析分类方法*
2020-01-01陈泽龙谢康宁
陈泽龙 谢康宁
脑电图(electroencephalogram,EEG)是一种使用电生理指标记录大脑活动的方法,是大脑活动时大量神经元同步发生的突触后电位经总和后形成,由放置在头皮表面的电极采集记录的图谱[1]。EEG记录大脑活动时的电波变化,是一种无创生理信号采集方法,具有良好的时间分辨率。
EEG作为脑机接口(brain-computer interface,BCI)的关键技术,其应用方法可分为5个阶段[2]。①脑电信号的采集;②脑电信号预处理,去除噪声干扰,原始脑电信号包含眼电、心电及肌电的干扰信号,去除此干扰可简化后续脑电信号的分析处理;③脑电信号特征提取,从预处理的脑电信号中提取特征量以区分不同的脑电信号,并实现信号的降维简化计算过程;④选取分类器对提取的特征量进行分类,特征量的选取是影响分类效果的重要因素;⑤将分类结果用于控制外部设备或给出判断结果。脑电信号的预处理、特征提取和分类是脑电信号处理的重要内容,并得到广泛深入研究[3-4]。
1 脑电信号预处理
原始脑电信号含眼电、心电及肌电等噪声,工频干扰也是脑电伪迹的重要来源,会增加脑电信号处理的复杂度及运算量,需在信号分析前剥离[5]。脑电信号预处理方法主要有共空间模式(common spatial patterns,CSP)、主成分分析(principle components analysis,PCA)、共同平均参考(common average referencing,CAR)、自适应滤波(adaptive filtering,AF)、独立成分分析(independent component analysis,ICA)以及数字滤波器(digital filter,DF)等。
1.1 共空间模式(CSP)
CSP滤波来源于共空域子空间分解(common spatial subspace decomposition,CSSD)。CSSD算法的基本思想是在高维空间中寻找方向,对2种情况分类时,使一类方差最大而另一类方差最小。CSP多用于处理基于BCI的运动想象想像脑电数据,其基本思想是设计一种空间滤波器,对脑电信号进行处理得到新的时间系列,使一类信号方差最大而另一类信号方差最小,从而得到差异最大的特征。……
