基于相位同步与AR运动想象脑电信号特征提取研究.docVIP

基于相位同步与AR运动想象脑电信号特征提取研究 　　摘要：运动想象脑电信号的特征提取对脑-机接口研究者是一大难题。针对该问题，介绍了一种相位同步和AR模型系数相结合的特征提取方法。该方法对采集的脑电信号进行Hilbert变换计算脑电信号的相位同步特征，选用Burg算法对滤波后的脑电信号进行AR模型谱估计，比较6阶和8阶功率谱密度，求出AR模型的系数为6。采用支持向量机对两种特征组合的14维特征向量进行分类。分类结果显示在Trail的3s～7s期间，相位同步与AR模型系数相结合的特征提取平均分类正确率为82.58%，最高分类正确率达到了88.96%，优于传统的小波变换和共空域模式特征提取方法。实验结果也表明相位同步特征提取的最佳时间为Trail的3s～7s期间，该方法为BCI研究运动想象脑电信号的分类识别提供了有效手段。 　　关键词关键词：运动想象；脑电信号；相位同步；AR模型；频带能量特征；支持向量机 　　DOIDOI：10.11907/rjdk.172526 　　中图分类号：TP301 　　文献标识码：A文章编号文章编号2018）003000704 　　英文摘要Abstract：The feature extraction of motor imagery has been plagued by the brain computer interface researchers. In this paper， a feature extraction method based on phase synchronization and AR model coefficients is proposed. Which calculate the phase synchronization feature of acquised EEG by Hilbert transform， then using Burg algorithm to calculate the AR model coefficient is 6， finally the combined 14 dimensional feature vector of two kinds of feature classified by support vector machine. The classification results show that during 3s～7s of the trail， the average correct classification rate was 82.58% of phase synchronization combined with AR model parameter extraction， the highest classification accuracy rate is 88.96%， which is superior to the traditional extraction methods，like common spatial pattern and wavelet transform， the experimental results also showed that the optimum extraction time range of the phase synchronization feature extraction is 3s～7s of the Trail，this method provides an effective way to study the feature classification and recognition of motor imagery EEG for BCI. 　　英文关键词Key Words：motor imagery； EEG； phase synchronization； AR mode； SVM 　　0引言 　　脑-机接口（Braincomputer Interface，BCI）在大脑与计算机之间建立了一个新的通信渠道，用户可以直接通过大脑思维与外部进行交流或控制外部设备。脑-机接口（BCI）是当前国际重大前沿研究和应用热点。在各类BCI中，运动想象是应用范围最广、实用性最强的BCI范式，通常报道的“意念控制”或“思维控制”主要指该类BCI[1]。 　　在脑机接口技术中，好的特征提取方法会提高脑电信号的分类正确率，由此可以看出单通道的特征提取对脑电信号处理的重要性[2]。目前，BCI中常用的特征主要有AR模型和AAR模型系数、小波系数、频带能量、功率谱以及各种特征之间的组合。随着脑机接口技术的发展， 涌现出了