小波包与ICA结合的ERD/ERS脑电信号特征提取优化方法

本文主要探讨了在脑机接口（Brain-Computer Interface, BCI）研究领域中，一种创新的特征提取方法的应用。该方法结合了小波包（Wavelet Package）和独立成分分析（Independent Component Analysis, ICA），旨在优化对运动想象过程中产生的脑电信号（Electroencephalography, EEG）中事件相关去同步（Event-Related Desynchronization, ERD）和事件相关同步（Event-Related Synchronization, ERS）信号的提取。小波包是一种数学工具，通过多尺度分析将复杂信号分解为一系列不同频率的子信号，有助于消除不同脑电信号间的统计相关性。 文章首先利用小波包对脑电信号进行分解，目的是识别出包含ERD/ERS现象的关键频带。这些频带对于理解大脑在执行想象动作时的活动至关重要，因为ERD通常与大脑皮层的抑制活动相关联，而ERS则与激活过程对应。作者对每个特征频带单独进行ICA分解，这样可以更准确地分离出与ERD/ERS现象相关的特定神经源，如μ节律和β节律。μ节律主要与注意力和认知处理有关，而β节律与视觉和注意力集中相关。 文章的核心创新在于引入ERD/ERS系数作为量化指标，这是一种标准化的方式，用来衡量想象动作过程中脑电活动的变化，从而提高运动想象信号的识别精度。相比于单一使用小波包或ICA，结合两者的方法显示出更强的效果，能够更有效地提取和区分脑电信号中的关键特征波，这对于BCI系统的性能提升具有重要意义。 总结来说，这篇2014年发表在《常州大学学报（自然科学版）》的研究论文，通过对运动想象脑电信号的细致分析和特征提取，展示了小波包和ICA技术在脑机接口领域的实用价值，为提高BCI系统对用户意图的解读能力提供了新的思路和技术支持。