使用python提取电信号的带宽、间隔等特征_面向康复工程的脑电信号分析和判别模型...

1.1 问题背景

脑电信号按其产生的方式可分为诱发脑电信号和自发脑电信号。诱发脑电信号是通过某种外界刺激使大脑产生电位变化从而形成的脑电活动；自发脑电信号是指在没有外界特殊刺激下，大脑自发产生的脑电活动。脑机接口(Brain-Computer Interface, BCI)系统是一种允许人脑与外部设备进行实时交互的通信和控制系统。用户的意图可以通过脑信号反映出来，然后通过BCI系统把它转换成所需要的输出形式加以利用。近些年来，脑机接口得到了快速发展，各种脑机接口系统先后被开发出来。然而，由于大脑信号的复杂性，现今的脑机接口系统还尚未成熟。对于目前的脑机接口系统而言，如何提升它的准确率和信息传输率成为研究中的一个难题。

P300事件相关电位是诱发脑电信号的一种，在小概率刺激发生后300毫秒范围左右出现的一个正向波峰(相对基线来说呈现向上趋势的波)。由于个体间的差异性，P300的发生时间也有所不同。P300电位作为一种内源性成分，它不受刺激物理特性影响，与知觉或认知心理活动有关，与注意、记忆、智能等加工过程密切相关。基于P300的脑-机接口优点是使用者无需通过复杂训练就可以获得较高的识别准确率，具有稳定的锁时性和高时间精度特性。

睡眠过程中采集的脑电信号，属于自发型的脑电信号。自发型的睡眠脑电信号能够反映身体状态的自身变化，也是用来诊断和治疗相关疾病的重要依据。睡眠过程是一个动态变化的复杂过程。在国际睡眠分期的判读标准R&K中，睡眠状态主要分为清醒期、睡眠I期、睡眠II期、深睡眠和快速眼动期。而脑电信号在不同睡眠分期所呈现的特点也是不同的。基于脑电信号进行睡眠状态的自动分期