基于小波变换的EEG(脑电信号)特征提取
姓名:
学号:
复旦大学
Contents
一、EEG特点及一般处理流程
二、小波变换
三、基于小波变换的EEG特征提取
2
重庆邮电大学
一、脑电信号特点及一般处理流程
脑电信号特点:
Ø 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。
Ø 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。
Ø 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。
Ø 信号微弱。人体脑电信号的强度很微弱,一般在微、毫伏级。
3
重庆邮电大学
一、脑电信号特点及一般处理流程
Ø频率低。脑电信号是低频率的慢变信号,通常频率范围0.5—100Hz。
根据频率可把脑电信号分为以下几个基本节律:
δ波:频率:0.5~4Hz,振幅:20~200μV。
θ波:频率:4~7Hz,振幅:20~150μV。
α 波:频率:8~13Hz,振幅:20~100μV。
β 波:频率:14~30Hz,振幅:5~20μV。
γ波:频率:30~45Hz,振幅:一般不超过30μV。
4
重庆邮电大学
一、脑电信号特点及一般处理流程
一般处理流程:
采集:各种脑电采集的电极帽。
例如有:ECI 公司的 128 通道
Ag/AgCl 电极帽,还有如图所示
的Emotiv SDK Headset采集帽,
常用采样频率为128Hz。
5
重庆邮电大学
一、脑电信号特点及一般处理流程
小波变换
CSP
AR
特征提取的主要方法(滤波器): AAR
FFT
HHT
模式分类的主要方法(分类器):
LDA
SVM
BP人工神经网络
贝叶斯分类法
最后,将分类好的EEG信号以指令形式用于控制外部设备。
6
重庆邮电大学
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)
7
重庆邮电大学
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。
傅里叶闭环具有一定的局限性。
Ø 用傅立叶变换提取信号的频谱需要利用信号的全部时域信息。
Ø 傅立叶变换没有反映出随着时间的变化信号频率成分的变化情况。
Ø 傅立叶变换的积分作用平滑了非平稳信号的突变成分。
由于上述原因,必须进一步改进,克服上述不足,这就导致了小波分析。
8
重庆邮电大学