基于運動想象的腦電信號特征提取研究
信息技術與網絡安全
郭閩榕
（福州大學 數學與計算機科學學院，福建 福州350000）
摘要： 基于運動想象腦電信號的腦-機接口系統在醫療領域具有廣闊的應用前景，被應用于運動障礙人士的輔助控制以及腦卒的預后康復。由于運動想象的腦電信號信噪比低、不平穩以及差異性顯著，對腦電信號識別帶來負面影響。一個有效的特征提取算法能夠提高腦-機系統的腦電信號識別率。提出一種多通道的腦電信號特征提取方法，將數據矩陣分解為基矩陣與系數矩陣的乘積，以類間離散度做為性能判據對系數矩陣進行特征提取，提取可分性更高、維數更少的特征。結合腦電信號識別領域常見的分類器在2008年BCI競賽數據集上進行驗證，證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.cowatch.cn/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。