31、脑电图研究中特征提取方法综合概述

脑电图研究中特征提取方法综合概述

1. 引言

信号处理（即特征提取和转换）是脑机接口（BCI）运行的基本要求。BCI 能够获取大脑产生的信号，并将其转换为有用的输出命令，而无需肌肉的干预。接下来将介绍多种脑电图（EEG）特征提取方法。

2. 常见特征提取方法

• 非负矩阵分解（NMF） ：用于运动想象单试次 EEG 分类，通过 NMF 在 EEG 的时频表示中选择具有判别性的特征。
• 离散小波变换（DWT） ：作为常用离散傅里叶变换（DFT）的替代方法，用于处理信号和信号段以提取特征。之后使用竞争神经网络作为聚类分析和处理的方法之一，对属于不同信号段的特征向量进行分类。
• 时间序列数据挖掘降维新方法 ：该方法为一组时间序列选择最佳系数，而不是仅使用最佳系数，并使用系数位置的所有值评估准则函数，以确定一组良好的系数。这能为许多现实生活中的数据集保留更多能量，有利于数据挖掘任务。
• 去除无关信号并提取关键特征 ：使用最优时间滤波器，将原始 EEG 信号转换为空间模式，并应用 RBF 特征选择方法生成鲁棒特征。
• 个性化特征和电极选择方法 ：对从多个颅内电极触点同时收集的 EEG 信号以及从这些信号导出的多个定量特征应用智能遗传搜索过程，在一系列基线和发作前记录上进行训练，然后使用拆分样本验证技术在其他先前未见的数据上进行验证。
• 连续小波分析