结合小波包和ICA技术的脑电特征提取研究
摘 要： 为了判断流经人体电流达到感知电流阈值前后脑电特征是否发生变化，采用小波包和独立分量分析（ICA）技术相结合的方法，对脑电α波进行特征提取。利用小波包分解，重构相关频段信号来构造特征波参考信号，然后进行ICA分析，最终提取出脑电α信号特征波。实验证明，结合小波包和ICA技术能够有效地提取脑电信号特征波。
关键词： 小波包； 独立分量分析； 脑电信号； 特征提取
中图分类号： TN911?34； TH7 文献标识码： A 文章编号： 1004?373X（2013）04?0096?03
0 引 言
脑电作为一种无创的检测手段，其研究涉及神经生理学、心理学、病理生理学、认知神经科学、神经工程乃至社会心理学、信息与信号处理等诸多领域[1]。脑电信号是一种随机性很强的非平稳信号，且具有典型的非线性特点。脑电信号节律种类多样，各种不同的情绪、心态都会影响脑电波的变化，具有很高的时变敏感性[2]。
自从Berger于1929年发现脑电以来，人们运用了多种数字信号处理方法来对脑电信号进行研究，并取得了一定的进展[3]。其中，各种谱分析方法被广泛的应用于脑电的分析与处理中，但是，谱分析方法通常假设信号是平稳的，单从频域角度分析并不能有效地反映脑电信号的特征。随着数字信号处理技术的不断发展，新兴的小波变换具有良好的时频局部化特性，非常适合分析非平稳信号的瞬态特性和时变特性[4?5]，但其高频段的频率分辨率较低，在小波变换基础上提出来的小波包分析对高频部分也可进行分解，能够根据信号的特征选取相应的频带进行分析，因此，小波包分析具有更高的应用价值。
独立分量分析是信号处理领域在20世纪90年代后期发展起来的一种全新的基于信号高阶统计量的信号处理方法。其基本含义是将多道观测信号按照统计独立的原则通过优化算法分解为若干独立成分，复现出原来的独立信源[6]。
1 小波包分解基本理论
小波分解克服了傅里叶变换的局限性，在时域和频域上都具有良好的局部化特性，它可以聚焦到对象的任意细节，可以把信号分解成多频率通道的信号，是具有多分辨率的分析方法。小波包分解是从小波分解延伸出的一种对信号更加细致的分析与重构方法[7]。小波分解是把信号分解成低频和高频两部分，在下一层分解中，又将分解出的低频部分分解成低频和高频两部分，如此类推，小波变换的频率分辨率随频率的升高而降低。小波包分解不仅对信号低频部分进行分解，对小波分解没...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
