基于运动想象的脑电信号特征提取研究
信息技术与网络安全
郭闽榕
（福州大学 数学与计算机科学学院，福建 福州350000）
摘要： 基于运动想象脑电信号的脑-机接口系统在医疗领域具有广阔的应用前景，被应用于运动障碍人士的辅助控制以及脑卒的预后康复。由于运动想象的脑电信号信噪比低、不平稳以及差异性显著，对脑电信号识别带来负面影响。一个有效的特征提取算法能够提高脑-机系统的脑电信号识别率。提出一种多通道的脑电信号特征提取方法，将数据矩阵分解为基矩阵与系数矩阵的乘积，以类间离散度做为性能判据对系数矩阵进行特征提取，提取可分性更高、维数更少的特征。结合脑电信号识别领域常见的分类器在2008年BCI竞赛数据集上进行验证，证明所提方法是有效的。
中圖分類號： TP391.4
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.01.011
引用格式： 郭閩榕。 基于運動想象的腦電信號特征提取研究[J].信息技術與網絡安全，2021，40（1）：62-66.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.01.011
引用格式： 郭閩榕。 基于運動想象的腦電信號特征提取研究[J].信息技術與網絡安全，2021，40（1）：62-66.
Feature extraction of EEG signals based on motor imagery Guo Minrong
Guo Minrong
（College of Mathematics and Computer Science，Fuzhou University，Fuzhou 350000，China）
Abstract： The brain-computer interface（BCI） system based on motor imagery（MI） electroencephalogram（EEG） has a broad application prospect in the medical field, which can be applied to the auxiliary control of the disabled and the prognosis and rehabilitation of the brain.Because of the low SNR, instability and significant difference of EEG signal in motion imagination, it has a negative effect on EEG signal recognition.An effective feature extraction method can enhance the accuracy of EEG in BCI system. In this paper, a multi-channel feature extraction method for EEG signals is proposed.First of all,the data matrix is decomposed into the product of the basis matrix and the coefficient matrix.Then the coefficient matrix is extracted by using the inter-class dispersion as the performance criterion to extract the features with higher separability and less dimension.The experiment of BCI 2008 competition data set shows that the method is effective.
Key words : brain-computer interface；electroencephalogram；motor imagery；feature extraction；matrix decomposition
0 引言
腦-機接口[1]（Brain-Computer Interface，BCI）系統是一種不需要任何外部肌肉活動的通信系統，能夠將大腦活動產生的腦信號轉化為對電子設備的指令。運動想象（Motor Imagery，MI）是腦-機接口領域的一大研究熱點，有神經功能障礙、運動障礙的人可以通過大腦控制假肢[2]，也能夠應用于腦卒等疾病的預后康復中[3]，提高患者的恢復效果。此外，基于運動想象的腦-機接口系統還被應用于游戲領域[4]，為健康用戶提供娛樂新方式。
記錄腦活動的方式多種多樣，由于采集設備價格較低、無侵入性、高分辨率等優點，基于腦電（Elec-troencephalogram，EEG）信號的BCI系統的應用最為廣泛。在采集數據時，由于EEG信號是通過放置在頭皮上的導聯采集的，腦信號要經過大腦顱骨和皮膚才能到達頭皮，還會受到眼電、肌電、心電和周邊環境的影響，故信噪比較低。
本文詳細內容請下載：http://www.tom3567.com/resource/share/2000003319
作者信息：
郭閩榕
（福州大學 數學與計算機科學學院，福建 福州350000）
此內容為AET網站原創，未經授權禁止轉載。