论文部分内容阅读
脑-计算机接口(BCI),是一个不依赖外周神经和肌肉组织等通常大脑输出通道的通信系统。BCI的运作依赖于两个自适应控制器的相互作用,一个是用户的大脑,另一个是BCI系统本身。
选择适当的信号处理方法从脑电信号中提取用户的信息和命令,是改进脑计算机接口通信速率的方法之一。为此,本文提出了一个基于自回归模型和小波变换多分辨分析的诱发电位单次提取的算法,以便能够更为有效和快速的提取诱发电位的信号特征。
考虑到小波变换具有良好的时-频局部化特性,根据信号与噪声的小波变换模极大值在不同尺度下的传播行为不一样的原则,我们提出一个方案:对信号和噪声做多尺度小波分析,确定各自的局部奇异性,然后根据信号和噪声的小波变换模极大值在不同尺度上的不同传播行为区别信号与噪声,去掉由噪声引起的小波变换模极大值和极大值小波域,保留信号奇异点,达到提取信号特征的目的。
实际上事件相关脑电位记录中噪声的主要成分为自发脑电(EEG)。由于自发EEG的分布是非高斯性的,不能直接用多尺度小波分析方法确定其局部奇异性。因此,我们又提出了基于自回归(AR)模型的预处理算法。即每个记录中先采集一段与作业无关的自发脑电噪声,计算出适合于该噪声的AR模型的参数,构成一个白化滤波器,实验记录通过该滤波器后有色的自发脑电噪声变为白噪声。这样,借助多尺度小波分析方法检测EEG噪声局部奇异性成为可能。