张绍荣，赵紫宁，李 智，盘书宝

(1.桂林航天工业学院 电子信息与自动化学院，广西 桂林 541004； 2.桂林电子科技大学 电子工程与自动化学院，广西 桂林 541004)

0 引 言

运动想象信号是大脑思维过程自发产生的信号，随机性强、信噪比低，采集过程容易受到噪声干扰[1]，因此提取有效特征比较困难。共空域模式(common spatial pattern，CSP)是一种非常有效的特征提取方法，在脑机接口(brain computer interface，BCI)系统中得到了广泛应用[2]。但是CSP缺乏频域信息，为补充CSP方法的频域信息，CSP联合时频分析进行特征提取的方法得到了广泛研究。Lin等[3]使用Wavelet-CSP算法进行特征提取，识别驾驶动作。先对脑电信号进行小波分解，然后选择与运动想象相关的子带小波系数进行CSP变换，最后进行分类。于沐涵等[4]提出将希尔伯特-黄变换(Hilbert-Huang transform，HHT)与CSP相结合的算法，对原始脑电信号进行经验模态分解后提取CSP特征。文献[5]结合小波包分解(wavelet packet decomposition，WPD)和CSP提出了一种特征提取方法，即WPD-CSP。先对每一个通道的脑电信号进行WPD分解，然后把各个子带的小波系数组成新的通道，最后使用CSP提取特征。这些方法最大的问题在于信号的时频分解非常耗时，特别是脑电通道较多时，时间问题特别突出。

本文对文献[5]提出的WPD-CSP方法进行改进，主要解决耗时问题，同时提高分类准确率。虽然文献[5]使用人工选择方法选择通道可以减少WPD-CSP特征提取的时间，但是最优的通道往往是被试特异的，人工选择方法选择的通道往往不是最佳的，因此得到的分类准确率并不是最优的[6]。另外，针对被试特异的运动想象相关频带选择问题，文献[7]提出了一种fisher WPD-CSP方法，对文献[5]进行改进。……