【正文】 的EEG（腦電信號）特征提取,第一頁，共三十頁。腦電信號是大腦中各種神經(jīng)元之間相互作用的信號的復雜組合，組合的非線性導致腦電信號具有非線性的特點。nj237。通過伸縮和平移等運算功能可對函數(shù)或信 號進行多尺度的細化分析，解決了Fourier變換不能解決的許多困難問題(w232。從 而克服了上面所述的第二個不足。nsh249。nx249。nhu224。nhu224。,離散小波變換（DWT）： 定義為：對尺度參數(shù)按冪級數(shù)進行離散化處理，對時間進行均勻離散取值（要求采樣率滿足(mǎnz,式中，L為分解層數(shù)，AL為低通逼近分量，Dj為不同尺度下的細節(jié)分量。同時，為了進一步突出想象單側手運動引起的FCFC6通道腦電信號的幅值差 異，本次實驗還提取了小波系數(shù)的能量均值差PS作為特征量，即 PS = PFC5 – PFC6 式中，PFC5為FC5通道的能量均值，PFC6為FC6通道的能量均值。從圖B 可知，利用小波系數(shù)的能量均值差提取得到的特征很好地反映出了左右手運動想象腦電信號的差別。可見，連續(xù)小波變換的結果可以表示為平移因子(yīnzǐ)a和伸縮因子(yīnzǐ)b的函數(shù),第三十頁，共三十頁。ngli224。n)的EEG特征提取,表1 小波分解(fēnjiě)的各層頻帶范圍 Table 1 Frequency band range of each level of wavelet decomposition,第二十五頁，共三十頁。n)的EEG特征提取,設x (n)表示實驗采集的EEG離散(l237。)小波的逆變換：,二、小波變換(bi224。n),第十八頁，共三十頁。由此可見，小波變換有以下特點： 多尺度/多分辨率的特點，可以由粗及細地處理信號。,二、小波變換(bi224。,二、小波變換(bi224。,第八頁，共三十頁。)小波變換CWT（ continuous wavelet transform ） 1986：Y.Meyer——提出了第一個正交小波Meyer小波 1988： Stephane Mallat——Mallat快速算法（塔式分解和重構算法）,二、小波變換(bi224。 β 波：頻率：14~30Hz，振幅：5~20μV。人腦是一個龐大而復雜的系統(tǒng)，按生理功能可分為許多基本環(huán)節(jié)，這些基本環(huán)節(jié)的生理活動相互影響、相互滲透地交織在一起，而其中存在的聯(lián)系、制約關系及活動規(guī)律還沒有被我們清楚地認識。因而，腦電信號表現(xiàn)出明顯的隨機性，一般不能用數(shù)學函數(shù)來準確(zhǔnqu232。 γ波：頻率：30~45Hz，振幅：一般不超過30μV。nhu224。,（1）克服第一個不足：小波系數(shù)不僅像傅立葉系數(shù)那樣，是隨頻率不同而變 化的，而且對于同一個頻率指標j， 在不同時刻 k，小波系數(shù)也是不同的。nhu224。nhu224。 可以看成用基本頻率特性為的帶通濾波器在不同尺度a下對信號做濾波。,平移因子對小波的作用(zu242。nhu224。s224。,小波系數(shù)能表達(b