黄旭彬,梁树杰

(广东茂名幼儿师范专科学校教育信息技术中心,广东 茂名 525200)

0 引 言

脑-机接口技术(Brain Computer Interface, BCI)是Vidal于1973年首次提出，其出发点是帮助运动障碍患者修复与外界的信息交互能力[1]，作为一种特殊的人机交互方式，BCI不再依赖常规脑外周神经、肌肉系统等输出通路，而是直接利用计算机等外围辅助设备对脑电信号(Electro Encephalogram Gram, EEG)进行采集和分析，提取其中包含的动作意图信息从而达到与外界进行信息交互的目的[2-6]。

EEG信号产生机理较为复杂，是一种典型的非线性，非平稳时变信号，因此如何对其进行有效的分类识别成为了当前研究的热点与难点[7-10]。文献[11-13]利用快速傅里叶变换(Fast Fourier Transform, FFT)、短时傅里叶变换(Short Time Fourier Transform, STFT)、功率谱等时频变换方法对EEG信号进行分析，在变换域(频域，时频域或功率谱域)提取特征，并利用线性分类器进行分类，在测试数据集上取得了接近88.5%的分类性能，但是FFT和功率谱变换都是全局变换，变换域信息的获取是以丢失时域信息为代价的，信息的丢失限制了该类方法的分类性能，STFT方法虽然具备时域-频域联合的局部信息处理能力，但是其时间分辨率和频率分辨率相互制约，在实际使用时具有一定的局限性。小波变换作为一种经典的非平稳、非线性信号多尺度分析方法，在EEG信号分析中具有独特的优势，被广泛应用于运动脑电信号分类[14]。但是小波方法在使用中，其“基函数”的选取和分解层数的设置对分类性能影响较大，目前采用的经验试错法存在运算量大和主观性强的问题。……