文件名称：信号滤波前后的变化-dbn深度置信网
文件大小：3.8MB
文件格式：PDF
更新时间：2024-06-30 00:57:15
EEG
图 4.4 信号滤波前后的变化 4.2.2信号特征提取 特征提取是从经过预处理之后的脑电信号中识别出受试者意图的信号部分，也就 是提取出对信号分类有用的部分，去掉无用的部分。随着信号处理技术的进一步发展， 出现了脑电信号处理的多种方法，目前脑电信号特征提取主要的方法有[43]小波分解、 共空间模式（CSP）分析和独立向量分析（ICA）等，在本文的视觉诱发脑电信号处 理中采用的 CSP算法。 共空间模式（CSP）是根据受试者训练的两类数据构造训练数据的空间滤波器， 然后将测试数据经过空间滤波之后，提取出测试数据特征。由于空间滤波器是基于两 类训练数据构造而成，这样测试数据经过空间滤波时就会形成相应的两类投影数据， 取出测试数据的特征。 共空间模式（CSP）算法最早是由 Fukunage等人[44]提出来的，Fukunage等通过 K-L变换来分类。共空间模式就是找到一个空间上的投影矩阵，使得类内间距尽可能 小，类间间距尽可能大[42]。为后续的分类算法奠定良好的基础。 脑电数据分为训练集和测试集，空间滤波器是由训练集训练而成，最终得出训练 数据的特征，测试数据经过空间滤波器得到测试数据的特征，因此构建空间滤波的关 键性是在于训练数据的处理。将脑电数据（包括训练数据和测试数据）表示成 N×T ×M维矩阵 X，其中 N是脑电测量时的通道数，T是脑电采集时每个通道的采样点 数，M为进行实验的次数，将该算法用于本文训练数据集的特征提取，由预处理得 到了两类样本矩阵 train_yes和 train_no, 数据存储格式为 32×2000×50。 构建空间 滤波器的步骤如图 4.5所示。