脑电信号特征提取算法研究
脑电信号特征提取算法研究[20191215193702]
摘 要
脑电图（EEG）是能够反映人们思维活动的一种图像，它在很多领域都有很广泛的应用，目前脑电图的描记技术正向数字化发展，具有更高的方便性和实用性。
首先，利用空间滤波器滤掉数据中的眼电信号等伪迹来调高信噪比。其次，本文提出一种与通道选择结合的特征提取方法。该方法以遗传算法为基础，与瑞利系数最大化相结合，很好地展现其极强的特征提取能力。然后，提出了独立向量分析这一概念。本文只介绍一些关于独立向量分析的基础知识，系统总结了独立向量分析的模型和分析判据，这些对临床应用的研究具有重要意义。最后把该方法应用于第三届国际BCI比赛和实验室的运动想象实验数据上，有效地去掉了大量无效通道，改善了分类结果。
查看完整论文请+Q: 351916072
关键字:脑电信号；特征提取；瑞利系数；独立向量ABSTRACT
目 录
摘 要 I
ABSTRACT II
第1章 绪论 1
1.1 本课题的研究背景 1
1.2 脑电信号处理方法的研究 2
1.2.1 脑电信号的几种特殊类型 2
1.2.2 预处理方法 4
1.3 特征提取方法 6
1.4 本文研究内容 7
第2章 基于改进的遗传算法和瑞利系数最大化原理 9
2.1 共空间模型（CSP）和瑞利系数最大化方法 10
2.1.1 CSP特征提取算法 10
2.1.2 RC最大化特征提取方法 12
2.2 GA-RC通道选择算法 13
2.2.1 脑电信号通道选择方法构建 13
2.2.2 GA-RC算法 14
第3章 独立向量分析在脑电信号中的应用 17
3.1 几种基本度量指标 17
3.1.1 信息熵 17
3.1.2 互信息 17
3.1.3 最大熵 18
3.2 独立向量分析原理 19
3.2.1 独立向量分析模型 19
3.2.2 独立分量分析的判据 20
第4章 实验分析过程及结果 23
4.1 测试数据的来源 23
4.1.1 第三届BCI竞赛数据 23
4.1.2 实验室数据 24
4.2 实验过程 25
4.3 结果分析 26
第5章 总结与展望 27
5.1 总结 27
5.2 展望 27
参考文献 29
致 谢 33
附 录 34
第1章 绪论
20世纪70年代后期，美国心理学家提出了认知神经科学概念，旨在脑神经的层面上研究意识的机理有关问题，但由于一些理论技术方面的缺陷，长时间不能有所突破，研究工作陷入瓶颈。但是近年来，随着数学、信息科学生物医学等自然科学的发展，世界上越来越多的科研小组投入到这项科学研究中。整体上看，研究、认识、开发大脑已成为21世纪科学研究所面临的重大挑战之一。如20世纪末美国开始研究人脑，目的是利用相关学问将大量有关数据进行分析处理，建立起全球的脑信号信息库；此外欧洲也有进展，确立了20年的研究计划；21世纪日本也很重视脑科学的发展，且运用了大量的人力和物力。脑机交互技术(BCI)技术的研究俨然成为其中最重要的组成部分，其研究意义和应用价值亦然重要。
脑电(EEG)是指大脑皮层神经细胞群的自发电活动在头皮各处电位反映随时间和空间变化所记录的序列波形，包含大量大脑状态信息。脑机交互技术(BCI)系统通过采集、处理、分析脑电信号，提取出与时间相关的有用信息来引起计算机或其他外设的反映，是一种新型人机交互的方式，也是康复和认知神经领域的重要课题。
本章首先介绍脑机接口的概念和研究背景，然后是其系统组成，接着从六种BCI的分类基础上讨论其研究现状。最后介绍几种处理信号的方法和本文的研究内容。
1.1 本课题的研究背景
脑-机接口技术（Brain-Computer Interface, BCI）是一种以脑电信号为基础的人机交互方式，是一种非神经肌肉控制的通讯通道，实现人脑与外部环境的信息交流，但不依赖肌肉和周围神经系统。其涉及神经科学、认知科学、控制科学、医学、数学、计算机科学和心理学等多个学科，是一个新兴的多学科交叉的前沿研究方向。BCI可根据信号采集的方式不同分为侵入式（有创）和非侵入式（无创）。侵入式需专业医生进行手术把电极置于人或动物的大脑内，有一定危险性；非侵入式是将电极帽戴在头上检测脑电图(EEG)等信号, 检测方法简单。考虑到安全性、价格、使用方便等因素，本项目是对无创BCI交互系统进行研究。由于无创电极距离神经元较远，测得的信号是一种微弱的随机性很强的非平稳信号，而BCI系统研究主要目的就是分析脑思维活动规律，建立脑思维活动的意向与行为之间的关联。因此，从信息技术角度来说，BCI系统重点是研究高度复杂脑信号处理技术和相应的模式识别技术。
随着科技的发展，BCI交互技术研究有着重要的理论意义和现实应用价值。（1）医学领域：
利用脑电信号对神经系统疾病进行论断，主要用于论断老年痴呆、癫痫等疾病[1]；利用BCI脑电反馈技术可以改善睡眠、提高反应能力[2]；
（2）控制领域：
BCI可帮助大脑正常但中枢神经系统受到损伤的病人来控制轮椅之类的外设，如网上通信、开关电视、拨打电话等[3]；
（3）其他领域：
利用稳态视觉诱发电位对模拟飞行器进行控制；还可以研制基于脑电波控制的电子游戏，玩家们只要通过想象就可以对屏幕上鼠标和键盘进行控制，为人们提供一种新的娱乐方式，具有很好的商业价值。
此外，BCI还具有重要的理论研究意义。主要体现在：
（1）对理解大脑认知模式、智能信息处理和控制方式有重要的理论意义；（2）为脑认知科学和神经信息学研究开启了崭新的视窗。
1.2 脑电信号处理方法的研究
1.2.1 脑电信号的几种特殊类型
（1） 慢皮层电位SCP
人们经过反馈训练后能自己控制慢皮层电位的能量幅度[4]，而SCP则是脑电信号里1Hz以下的成分，持续时间约为10s。这种电位能反映大脑皮层的兴奋状态，在实验者的行为或意识明显时，大脑皮层的兴奋状态显著增强，SCP则会负向变化；反之如果实验者行为和意识减少时，皮层兴奋度降低，SCP则会正向变化。曾有德国的学者Niels基于SCP开发了思维转换设备TTD，实现了身患疾病的人群和外界的文字交流，此系统已经在患有肌肉硬化的病人中进行了大量的实验，能够证实它可以提供基本的通讯功能，目前正在研究开发它的网络版本[5]。在健全人和身患瘫痪的病人之间进行长期反复地反馈训练，能够让他们学会控制SCP，使其自由地正向或负向偏移。这个系统的优缺点显而易见——优点是能够只凭借思维的运动进行控制而不需要外接刺激，缺点是需要长期的反复训练，且连接速度较慢。
（2） 利用μ节律与β节律的幅度
美国的华兹伍斯研究中心的研究表明人类可以学会控制μ节律和β节律的幅度，而且利用该节律可以完成一些如一维二维光标控制的任务，并回答一些简单的问题并选择屏幕菜单中相应选型[6]。利用这两个节律的BCI系统在使用时需要受训，不同的使用者训练时间也不一样，几周便可。如图1-1为利用μ节律和β节律控制光标的垂直运动，从而实现虚拟打字操作。
（3） 利用单边的肢体运动或想象运动
奥地利Graz研究中心研究表明，单边的肢体运动或想象运动能激活主要的感觉运动皮层，大脑另侧产生事件相关去同步电位ERD（如图1-2所示）,同侧产生事件相关同步电位ERS[7]，ERD是指当某一皮层区域活跃起来时，特定频率的节律性活动表现出幅度的降低，ERS则是相反，当某一活动在一定时刻没有使相关头皮区域活动起来时，特定频率就会呈现出幅度升高的趋势。该研究中心的研究组对两类心理作业分类的数据处理方法进行分类，探究出了五类心理作业的种类如下：计算任务、舌头运动、想象左手运动、想象右手运动、脚运动。除此以外，还研究出了具有远程遥控功能的BCI系统。
1.2.2 预处理方法
我们知道脑电信号强度极其微弱且易受干扰，因此采集得到的信号信噪比很低。为了消除干扰和伪迹以提高信号的信噪比和空间分辨率，就必须在脑电信号的特征提取之前对其进行预处理。
目前国际上已经出现了很多EEG信号的伪迹去除方法，主要包括：馅波滤波器、回归方法、伪迹减法、主成分分析（PCA）和独立成分分析（ICA）等技术。这些技术都是针对各自不同的问题和应用环境，都有特定的假设基础，所以应该根据具体的研究目的和实验条件来适当选择，下面将这几种信号去伪迹方法做个比较。
(1) 馅波滤波器：
这是一种传统的滤波方法，主要是对抑制某个频率范围内的信号,因为眼电信号的频谱范围与EEG信号的频谱范围基本相同,导致这种传统的滤波方法很难发挥作用。而且为了保护EEG信号的有用成分不受影响,去除工频干扰时通常也不采用陷波滤波器,因为陷波滤波器会造成EEG信号波形失真,使棘波失真或变小,只有在完全去掉工频干扰时才能使用。除此以外,如果信号的采样频率发生变化时,陷波滤波器的参数也要作对应的变化,更何况工频干扰还包含有谐波分量和因电网不稳定产生的其他噪声干扰[8]，运用这种方法显得更加不合理。
(2) 回归方法
Gratton、Hillyard等人想出了以时域回归方法为基础来消除脑电信号伪迹的方法[9],这个方法主要用于去除眼电伪迹，由于眼动和眨眼两种伪迹都随着电极和眼睛之间的距离的增大而减小,但眼动伪迹的衰减速度比较缓慢,因此在头顶电极上记录的EEG信号中眼动伪迹强度是眨眼伪迹强度的两倍。但是这种眨眼和眼动的眼电或者脑电扩散函数(EOG/EEG transfer functions)的差异会导致对眨眼伪迹的校正过度,而且回归方法还会为EEG引入新的伪迹
Whitto和 Woestenburg 等人都研究除了基于频域的回归方法,这个方法把大脑看成了一个导体——视觉电位的传输频率独立而且时间延迟为零,这种方法可以解释和频率有关系的眼电或脑电扩散函数,但它很难在实际中应用。
回归方法无论是频域还是时域都需要建立一个正确的回归导联,它们的共同缺点是眼电信号和脑电信号的激活扩散都具有双向性,因此回归方法有可能在去除伪迹时错误地清除一些混有伪迹的脑电信号[10]。
(3) 伪迹减法
伪迹减法是运用很早的一种方法，它有着直观易懂、物理意义明确的特点。它从受污染的EEG信号中直接去除伪迹成分，以消除各噪声信号源引起的伪迹。减法的一部分调整操作是由手工完成的，具有主观性。它的基本公式是EEGe=EEGo+γEOG。
这里面EEGe指的是包含噪声的EEG信号，EEGo指的是真实的EEG信号，而EOG表示眼电信号，参数γ由EOG与EEG相关系数决定。可以看出，γ其实就是EOG的权重，要注意的是，伪迹减法是假设观察的EEG和EOG信号符合线性组合且相互不相关，眼动可以从记录的EOG中估计出来。但是EEG和伪迹是相互影响的，所以作相减计算后必然会带来失真。
摘 要
脑电图（EEG）是能够反映人们思维活动的一种图像，它在很多领域都有很广泛的应用，目前脑电图的描记技术正向数字化发展，具有更高的方便性和实用性。
首先，利用空间滤波器滤掉数据中的眼电信号等伪迹来调高信噪比。其次，本文提出一种与通道选择结合的特征提取方法。该方法以遗传算法为基础，与瑞利系数最大化相结合，很好地展现其极强的特征提取能力。然后，提出了独立向量分析这一概念。本文只介绍一些关于独立向量分析的基础知识，系统总结了独立向量分析的模型和分析判据，这些对临床应用的研究具有重要意义。最后把该方法应用于第三届国际BCI比赛和实验室的运动想象实验数据上，有效地去掉了大量无效通道，改善了分类结果。
查看完整论文请+Q: 351916072
关键字:脑电信号；特征提取；瑞利系数；独立向量ABSTRACT
目 录
摘 要 I
ABSTRACT II
第1章 绪论 1
1.1 本课题的研究背景 1
1.2 脑电信号处理方法的研究 2
1.2.1 脑电信号的几种特殊类型 2
1.2.2 预处理方法 4
1.3 特征提取方法 6
1.4 本文研究内容 7
第2章 基于改进的遗传算法和瑞利系数最大化原理 9
2.1 共空间模型（CSP）和瑞利系数最大化方法 10
2.1.1 CSP特征提取算法 10
2.1.2 RC最大化特征提取方法 12
2.2 GA-RC通道选择算法 13
2.2.1 脑电信号通道选择方法构建 13
2.2.2 GA-RC算法 14
第3章 独立向量分析在脑电信号中的应用 17
3.1 几种基本度量指标 17
3.1.1 信息熵 17
3.1.2 互信息 17
3.1.3 最大熵 18
3.2 独立向量分析原理 19
3.2.1 独立向量分析模型 19
3.2.2 独立分量分析的判据 20
第4章 实验分析过程及结果 23
4.1 测试数据的来源 23
4.1.1 第三届BCI竞赛数据 23
4.1.2 实验室数据 24
4.2 实验过程 25
4.3 结果分析 26
第5章 总结与展望 27
5.1 总结 27
5.2 展望 27
参考文献 29
致 谢 33
附 录 34
第1章 绪论
20世纪70年代后期，美国心理学家提出了认知神经科学概念，旨在脑神经的层面上研究意识的机理有关问题，但由于一些理论技术方面的缺陷，长时间不能有所突破，研究工作陷入瓶颈。但是近年来，随着数学、信息科学生物医学等自然科学的发展，世界上越来越多的科研小组投入到这项科学研究中。整体上看，研究、认识、开发大脑已成为21世纪科学研究所面临的重大挑战之一。如20世纪末美国开始研究人脑，目的是利用相关学问将大量有关数据进行分析处理，建立起全球的脑信号信息库；此外欧洲也有进展，确立了20年的研究计划；21世纪日本也很重视脑科学的发展，且运用了大量的人力和物力。脑机交互技术(BCI)技术的研究俨然成为其中最重要的组成部分，其研究意义和应用价值亦然重要。
脑电(EEG)是指大脑皮层神经细胞群的自发电活动在头皮各处电位反映随时间和空间变化所记录的序列波形，包含大量大脑状态信息。脑机交互技术(BCI)系统通过采集、处理、分析脑电信号，提取出与时间相关的有用信息来引起计算机或其他外设的反映，是一种新型人机交互的方式，也是康复和认知神经领域的重要课题。
本章首先介绍脑机接口的概念和研究背景，然后是其系统组成，接着从六种BCI的分类基础上讨论其研究现状。最后介绍几种处理信号的方法和本文的研究内容。
1.1 本课题的研究背景
脑-机接口技术（Brain-Computer Interface, BCI）是一种以脑电信号为基础的人机交互方式，是一种非神经肌肉控制的通讯通道，实现人脑与外部环境的信息交流，但不依赖肌肉和周围神经系统。其涉及神经科学、认知科学、控制科学、医学、数学、计算机科学和心理学等多个学科，是一个新兴的多学科交叉的前沿研究方向。BCI可根据信号采集的方式不同分为侵入式（有创）和非侵入式（无创）。侵入式需专业医生进行手术把电极置于人或动物的大脑内，有一定危险性；非侵入式是将电极帽戴在头上检测脑电图(EEG)等信号, 检测方法简单。考虑到安全性、价格、使用方便等因素，本项目是对无创BCI交互系统进行研究。由于无创电极距离神经元较远，测得的信号是一种微弱的随机性很强的非平稳信号，而BCI系统研究主要目的就是分析脑思维活动规律，建立脑思维活动的意向与行为之间的关联。因此，从信息技术角度来说，BCI系统重点是研究高度复杂脑信号处理技术和相应的模式识别技术。
随着科技的发展，BCI交互技术研究有着重要的理论意义和现实应用价值。（1）医学领域：
利用脑电信号对神经系统疾病进行论断，主要用于论断老年痴呆、癫痫等疾病[1]；利用BCI脑电反馈技术可以改善睡眠、提高反应能力[2]；
（2）控制领域：
BCI可帮助大脑正常但中枢神经系统受到损伤的病人来控制轮椅之类的外设，如网上通信、开关电视、拨打电话等[3]；
（3）其他领域：
利用稳态视觉诱发电位对模拟飞行器进行控制；还可以研制基于脑电波控制的电子游戏，玩家们只要通过想象就可以对屏幕上鼠标和键盘进行控制，为人们提供一种新的娱乐方式，具有很好的商业价值。
此外，BCI还具有重要的理论研究意义。主要体现在：
（1）对理解大脑认知模式、智能信息处理和控制方式有重要的理论意义；（2）为脑认知科学和神经信息学研究开启了崭新的视窗。
1.2 脑电信号处理方法的研究
1.2.1 脑电信号的几种特殊类型
（1） 慢皮层电位SCP
人们经过反馈训练后能自己控制慢皮层电位的能量幅度[4]，而SCP则是脑电信号里1Hz以下的成分，持续时间约为10s。这种电位能反映大脑皮层的兴奋状态，在实验者的行为或意识明显时，大脑皮层的兴奋状态显著增强，SCP则会负向变化；反之如果实验者行为和意识减少时，皮层兴奋度降低，SCP则会正向变化。曾有德国的学者Niels基于SCP开发了思维转换设备TTD，实现了身患疾病的人群和外界的文字交流，此系统已经在患有肌肉硬化的病人中进行了大量的实验，能够证实它可以提供基本的通讯功能，目前正在研究开发它的网络版本[5]。在健全人和身患瘫痪的病人之间进行长期反复地反馈训练，能够让他们学会控制SCP，使其自由地正向或负向偏移。这个系统的优缺点显而易见——优点是能够只凭借思维的运动进行控制而不需要外接刺激，缺点是需要长期的反复训练，且连接速度较慢。
（2） 利用μ节律与β节律的幅度
美国的华兹伍斯研究中心的研究表明人类可以学会控制μ节律和β节律的幅度，而且利用该节律可以完成一些如一维二维光标控制的任务，并回答一些简单的问题并选择屏幕菜单中相应选型[6]。利用这两个节律的BCI系统在使用时需要受训，不同的使用者训练时间也不一样，几周便可。如图1-1为利用μ节律和β节律控制光标的垂直运动，从而实现虚拟打字操作。
（3） 利用单边的肢体运动或想象运动
奥地利Graz研究中心研究表明，单边的肢体运动或想象运动能激活主要的感觉运动皮层，大脑另侧产生事件相关去同步电位ERD（如图1-2所示）,同侧产生事件相关同步电位ERS[7]，ERD是指当某一皮层区域活跃起来时，特定频率的节律性活动表现出幅度的降低，ERS则是相反，当某一活动在一定时刻没有使相关头皮区域活动起来时，特定频率就会呈现出幅度升高的趋势。该研究中心的研究组对两类心理作业分类的数据处理方法进行分类，探究出了五类心理作业的种类如下：计算任务、舌头运动、想象左手运动、想象右手运动、脚运动。除此以外，还研究出了具有远程遥控功能的BCI系统。
1.2.2 预处理方法
我们知道脑电信号强度极其微弱且易受干扰，因此采集得到的信号信噪比很低。为了消除干扰和伪迹以提高信号的信噪比和空间分辨率，就必须在脑电信号的特征提取之前对其进行预处理。
目前国际上已经出现了很多EEG信号的伪迹去除方法，主要包括：馅波滤波器、回归方法、伪迹减法、主成分分析（PCA）和独立成分分析（ICA）等技术。这些技术都是针对各自不同的问题和应用环境，都有特定的假设基础，所以应该根据具体的研究目的和实验条件来适当选择，下面将这几种信号去伪迹方法做个比较。
(1) 馅波滤波器：
这是一种传统的滤波方法，主要是对抑制某个频率范围内的信号,因为眼电信号的频谱范围与EEG信号的频谱范围基本相同,导致这种传统的滤波方法很难发挥作用。而且为了保护EEG信号的有用成分不受影响,去除工频干扰时通常也不采用陷波滤波器,因为陷波滤波器会造成EEG信号波形失真,使棘波失真或变小,只有在完全去掉工频干扰时才能使用。除此以外,如果信号的采样频率发生变化时,陷波滤波器的参数也要作对应的变化,更何况工频干扰还包含有谐波分量和因电网不稳定产生的其他噪声干扰[8]，运用这种方法显得更加不合理。
(2) 回归方法
Gratton、Hillyard等人想出了以时域回归方法为基础来消除脑电信号伪迹的方法[9],这个方法主要用于去除眼电伪迹，由于眼动和眨眼两种伪迹都随着电极和眼睛之间的距离的增大而减小,但眼动伪迹的衰减速度比较缓慢,因此在头顶电极上记录的EEG信号中眼动伪迹强度是眨眼伪迹强度的两倍。但是这种眨眼和眼动的眼电或者脑电扩散函数(EOG/EEG transfer functions)的差异会导致对眨眼伪迹的校正过度,而且回归方法还会为EEG引入新的伪迹
Whitto和 Woestenburg 等人都研究除了基于频域的回归方法,这个方法把大脑看成了一个导体——视觉电位的传输频率独立而且时间延迟为零,这种方法可以解释和频率有关系的眼电或脑电扩散函数,但它很难在实际中应用。
回归方法无论是频域还是时域都需要建立一个正确的回归导联,它们的共同缺点是眼电信号和脑电信号的激活扩散都具有双向性,因此回归方法有可能在去除伪迹时错误地清除一些混有伪迹的脑电信号[10]。
(3) 伪迹减法
伪迹减法是运用很早的一种方法，它有着直观易懂、物理意义明确的特点。它从受污染的EEG信号中直接去除伪迹成分，以消除各噪声信号源引起的伪迹。减法的一部分调整操作是由手工完成的，具有主观性。它的基本公式是EEGe=EEGo+γEOG。
这里面EEGe指的是包含噪声的EEG信号，EEGo指的是真实的EEG信号，而EOG表示眼电信号，参数γ由EOG与EEG相关系数决定。可以看出，γ其实就是EOG的权重，要注意的是，伪迹减法是假设观察的EEG和EOG信号符合线性组合且相互不相关，眼动可以从记录的EOG中估计出来。但是EEG和伪迹是相互影响的，所以作相减计算后必然会带来失真。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/4846.html
