连召洋，段立娟*，陈军成，乔元华

(1.北京工业大学信息学部，北京 100124；2.可信计算北京市重点实验室，北京 100124；3.信息安全等级保护关键技术国家工程实验室，北京 100124；4.北京工业大学应用数理学院，北京 100124)

1 引言

脑电波(EEG，electroencephalogram)是采集到的局部神经元电活动的总和的脑电信号。近年来，随着脑科学及人工智能的发展，脑电信号分析方法已经成为人们研究的热点问题。其中，因为对脑电信号进行分析可以了解病人病因和病理，更为癫痫、抑郁症、老年痴呆等脑部疾病的诊断和治疗提供详细有效的参考，所以基于脑电信号的脑疾病辅助诊断方法引起研究人员的广泛关注。

癫痫作为一种慢性神经系统疾病，严重损害患者的身心健康。将癫痫脑电信号不同时期的检测出来，能够给医生诊断病情带来帮助。此外，如果能够及时预测癫痫发作，则可以显著改善癫痫患者的生活质量，为癫痫疾病的防治开辟新的治疗思路[1]。有效的特征提取方法成为不同时期的癫痫检测及癫痫预测的关键[2]。

在特征提取方面，Gotman等人首次对脑电信号进行＂半波＂(Half-wave)分解，然后从中提取脑电特征，包括相对于背景的平均幅度、持续时间和变异系数等特征，并根据专家经验设定阈值，将这些特征参数与该阈值进行比较，以此来判断是否为癫痫信号[3-5]。Nhan Duy Truong等人提出了一种自动电极选择方法对颅内癫痫数据做预处理，并在时域和频域中提取特征，计算通道功率和通道对之间的相关性，以此来完成发作期和发作前期的区分[6]。……