阅读笔记7：多类运动想象脑电信号识别及其在BCI中的应用研究

论文信息

• 题目：多类运动想象脑电信号识别及其在BCI中的应用研究
• 作者：赵凯
• 单位：东北电力大学机械工程学院机械制造及其自动化
• 发表时间：2019.05

笔记

有一说一 初学者很难看懂

1.摘要

针对右肩关节前屈、后伸和外展三类运动想象，提出了基于 AF-CSP 和孪生支持向量机的脑电信号识别方法。

为扩大运动想象的控制范围，克服脑电信号的维度灾难，提出了基于黎曼流形的适用于不同肢体多类运动及单关节的 SJ-GDA 降维方法及决策树分类框架。

脑电信号特征提取方法研究。①针对肩关节三类运动想象，提出基于 AF-CSP的肩部三类运动想象特征提取方法，②针对脑电信号维度灾难问题，提出基于黎曼流形的数据降维方法 SJ-GDA

运动想象分类研究。①提出基于第二代非支配排序进化算法的孪生支持向量机解决肩关节三分类问题，②提出可与多种分类器结合的决策树分类框架解决多分类问题

2.绪论

2.1 EEG信号处理方法国内外研究进展

（1）信号预处理
目的在于去除EEG信号中混杂的眼电伪迹、工频噪声以及被试者心理活动带来的干扰，并提取出符合后续分析需要的EEG信号。主要包括时频域滤波和空间滤波等方法。在 EEG 信号的时频域滤波方面，一般采用带通滤波器以及陷波滤波器去除工频干扰，获取运动想象相关频段来提高脑电信号的信噪比。在空域滤波方面，主要采用共同平均参考（Common average reference，CAR）、独立成分分析（Independent component analysis，ICA）、拉普拉斯参考（Laplacian reference，LR）及主成分分析（Principle component analysis，PCA）

（2）特征提取

• 时域

  • 基于相关性的时间窗选择（Correlation-based time window selection，CTWS）算法
  • 李洁等提出基于正则化张量以及非负张量分解两种算法从 EEG 信号幅值角度提取特征，有效减少 BCI 系统的导联数。

• 频域

  • 快速傅里叶变换（Fast fourier transform，FFT）
  • 功率谱（Power spectral density，PSD）
  • 自回归模型（Auto regressive，AR）

• 时频

  • 小波包变换（Wavelet package transform，WPT）
  • 总体经验模态分解