基于小波变换的脑电信号特征提取要点详解.pptVIP

一、脑电信号特点及一般处理流程 脑电信号特点： 随机性及非平稳性相当强。人脑是一个庞大而复杂的系统，按生理功能可分为许多基本环节，这些基本环节的生理活动相互影响、相互渗透地交织在一起，而其中存在的联系、制约关系及活动规律还没有被我们清楚地认识。因而，脑电信号表现出明显的随机性，一般不能用数学函数来准确表达，它们的规律主要从大量的统计结果中反映出来。 脑电信号具有非线性。脑电信号是大脑中各种神经元之间相互作用的信号的复杂组合，组合的非线性导致脑电信号具有非线性的特点。 信噪比低。在维持正常生理活动的条件下，生物体的各个基本系统之间存在着有机的联系，因而在脑电信号中存在着严重的背景噪声，而且噪声常常超过信号，导致信噪比很低。 信号微弱。人体脑电信号的强度很微弱，一般在微、毫伏级。 一、脑电信号特点及一般处理流程 一、脑电信号特点及一般处理流程 一般处理流程： 小波变换 CSP AR 特征提取的主要方法（滤波器）： AAR FFT HHT 二、小波变换 小波发展史： 小波变换是近十几年新发展起来的一种数学工具,是继一百多年前的傅里叶 (Fourier)分析之后的又一个重大突破,它对无论是古老的自然学科还是新兴的高 新应用技术学科均产生了强烈的冲击。 1909: Alfred Haar——发现了Haar小波。 1980：Morlet——Morlet小波，并分别与20世纪70年代提出了小波变换的概念， 20世纪80年代开发出了连续小波变换CWT（ continuous wavelet transform ） 1986：Y.Meyer——提出了第一个正交小波Meyer小波 1988： Stephane Mallat——Mallat快速算法（塔式分解和重构算法） 二、小波变换 小波变换与傅里叶变换的比较： 小波分析是在傅里叶分析的基础上发展起来的，但小波分析与傅里叶分析存 在着极大的不同，与Fourier变换相比，小波变换是空间（时间）和频率的局部变 换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信 号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题。小波变 换联系了应用数学、物理学、计算机科学、信号与信息处理、图像处理、地震勘 探等多个学科。 二、小波变换 （1）克服第一个不足：小波系数不仅像傅立叶系数那样，是随频率不同而变 化的，而且对于同一个频率指标j， 在不同时刻 k，小波系数也是不同的。 （2）克服第二个不足：由于小波函数具有紧支撑的性质即某一区间外为零。 这样在求各频率水平不同时刻的小波系数时，只用到该时刻附近的局部信息。从 而克服了上面所述的第二个不足。 （3）克服第三个不足：通过与加窗傅立叶变换的“时间—频率窗”的相似分 析，可得到小波变换的“时间—频率窗”的笛卡儿积。小波变换的“时间--频率窗” 的宽度，检测高频信号时变窄，检测低频信号时变宽。这正是时间--频率分析所 希望的。根据小波变换的 “时间—频率窗” 的宽度可变的特点，为了克服上面所 述的第三个不足，只要不同时检测高频与低频信息，问题就迎刃而解了。 二、小波变换 小波是什么？ 小波可以简单的描述为一种函数，这种函数在有限时间范围内变化，并且平 均值为0。这种定性的描述意味着小波具有两种性质: A、具有有限的持续时间和突变的频率和振幅； B、在有限时间范围内平均值为0。 二、小波变换 小波的“容许”条件： 用一种数学的语言来定义小波，即满足“容许”条件的一种函数，“容许”条件 非常重要，它限定了小波变换的可逆性。 小波本身是紧支撑的，即只有小的局部非零定义域，在窗口之外函数为零； 本身是振荡的，具有波的性质，并且完全不含有直流趋势成分，即满足 二、小波变换 为什么选择小波： 小波提供了一种非平稳信号的时间-尺度分析手段，不同于FT方法，与STFT方 法比较具有更为明显的优势 二、小波变换 小波变换的定义： 　 小波变换是一种信号的时间——尺度（时间——频率）分析方法，它具有多 分辨分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口 大小固定不变但其形状可改变，时间窗和