基于小波变换的脑电信号特征提取.ppt

复旦大学姓名: 学号: 基于小波变换的 EEG (脑电信号)特征提取重庆邮电大学 2 一、 EEG 特点及一般处理流程三、基于小波变换的 EEG 特征提取 Contents 二、小波变换重庆邮电大学 3 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。重庆邮电大学 4 一、脑电信号特点及一般处理流程?频率低。脑电信号是低频率的慢变信号,通常频率范围 — 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: ~4Hz ,振幅: 20~200 μV。θ波:频率: 4~7Hz ,振幅: 20~150 μV。α波:频率: 8~13Hz ,振幅: 20~100 μV。β波:频率: 14~30Hz ,振幅: 5~20 μV。γ波:频率: 30~45Hz ,振幅:一般不超过 30 μV。重庆邮电大学 5 一般处理流程: 一、脑电信号特点及一般处理流程采集: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 。重庆邮电大学 6 小波变换 CSP AR 特征提取的主要方法(滤波器): AAR FFT HHT 一、脑电信号特点及一般处理流程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。重庆邮电大学 7 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 : ——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、小波变换重庆邮电大学 8 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、小波变换傅里叶闭环具有一定的局限性。?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。?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。?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。重庆邮电大学 9 (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