脑电信号的自适应分段和分类存档

李红宇 刘庆江 常晓娟 赵薇

摘要：基于相关函数中的脑电信号基础，对其适应分段及分类存档的方法进行分析和探究，并依据相关理论内容，首次提出了有关最小差别判决法，通过相关实验，证明脑电信号的自适应分段及分类存档的方法符合设计的需要。本文以文献对比法和案例分析法，以多类运动脑信号的分析为例，对自适应分段的内容及分类存档的相关方法进行阐述。

关键词：脑电信号;自适应分段;分类存档

中图分类号：TP274 文献标识码：A 文章编号：1007-9416（2019）10-0079-02

0 引言

对于脑电信号受眼动信号和对应的肌电干扰的相关影响来看，要多余的特征分析，实现对有损分类器的相关状态进行有效性的分析，如果在网络出现过对应的拟合，要依据特征化的分析原理，结合分类器所采用的相关算法，对传统的算法和相关信息论证法进行分析，以保证相关特征方法的有效利用。本研究中提出的自适应级联神经网络系统中的相关算法的学习中，将输入层的相关神经元数目在有效的学习过程中获取相关输入特征的合理应用，并在学习的过程中，结合相关特征，实现对分类有效性的应用。

1 分段方案的选择

对于脑电信号的处理来说和国内外的相关文献要求看，由于典型的AR模型所建立脑电信号的过滤及处理过程，可以通过不同的方法呈现出来。对于因为检测过程导致的相关分段的准确性的应用，结合相关函数的基础内容，进行分段方法的合理化分析。为了达到相关方法使用的精确度，在此基础上，应充分的结合相关数据的采集、处理，借助“最小差别判决法”，对实现8通道脑电信号的自适应分段的处理方法进行研究。

2 自相关函数的估计

离散随机信号的自相关函数中，对应的函数如下：

其中对于以上函数中的取值范围，针对有限的长度信号结构，对可以利用的相关数据信息进行评估，且在0～（N-1）的范围内时，对应实际计算的过程中，可以利用数据的直接估算进行合理化的分析与应用。

本章节以多类运动想象识别率比较低的问题为主，结合利用小波的分析方法和GSP的特征，采用小波包分解（WPD）实现快速时频的计算分析，在分析算法的过程中，结合GSP所缺乏的信息缺陷，与实际的小波包的特定的频段WPV进行算法间的相互结合。

3 算法的基本理论

对于小波包分解来说，其能够依据信号更为精细的分析方法，结合分析信号的相关特征，依据自适应的选择对应的频段，并能够提高时频的分辨率，进而在特征提取的过程中，依据CSP实现对脑电信号的特征的有效提取。特别是在对整体二分类方法和相关问题的分析中，运用的已经相当成熟，且随着相关误差信息，误差理论等内容的合理化应用，实现采用结构风险最小化的理论，兼顾训练的状态及程度，对向量机采用结构风险最小的相关原理，并结合泛化的能力，对于小的样本结构及高维数的分類方法及问题进行分析，将分类问题的显著性表达出来。

3.1 分类算法

分类算法的基本应用原理中，对于线性结构不可分的样本数据来说，通过定义一个非线性的映射关系，从而形成一个最优的分类界面，使目标样本的结构及正负两类的样本体系能够正确的进行识别，判断出对应隔离边缘的最大化内容。

3.2 脑电信号的预处理

对于脑电信号的预处理过程来说，应首先根据其预处理的过程，实现对整体系统的滤波合理化应用。并结合脑电系统中的噪声，尽可能的减少相关后续处理事宜的相关基础性内容，并通过相关的研究表明，在大脑皮层结构中，对应神经活动所能够体现的相关事件的基本理论中，可以通过利用内在的刺激对所产生的电波变化进行合理化分析，并利用大脑进行相关运动现象的分析，结合现有的知识体系，在特定频段结构内，依据脑电的功率实现对相关信号增强或减弱的分析。

4 自适应分段

4.1 实现的方法

EEG信号可以通过相关标准的移动窗结构，结合移动窗的长度以检测的形式确定变化程度的快慢等，同时以变化的速度来衡量整个波形的结构等。通过实验，分析出取窗长度为1s，参考窗结构的固定形式，针对固定分段结构体系中的相关起始位置，对分段内的相关非平稳化的移动窗和相关信息系统的合理化分析。当对应的差别大于一定的预置门限时，一个新的段界就可以实现了，并且在新的参考窗的体系结构中，对应分段的起始位置，结合实现信号的自适应阶段的内容分析，来实现和证明分段方法的整体结构。

4.2 非平稳的检测

在实际的临床观察的过程中，由于EEG信号结构中的主要信息和幅度都可以通过不同的频率进行体现，同时对应的差别数量级别也是不同的，因此在相关差别量中，对于不同变量的度量，可以通过实验的过程进行合理的发现，使得变化的相关频率更加显著化。在对应幅值的分类的过程中，可充分的结合采用频率的相关性，结合对应幅度的百分比，对于所体现的度量的差别化内容进行合理化分析，并利用矩形结构，对所产生的相关数据理论等内容进行合理化应用，促进和提升整体结构体系的可视化分析。并利用矩形窗将1s的数据信息进行截止，从而对不同频率的百分比进行合理分析，实现对数据结构及数据理论的可视化，则对相应函数的系数取值为8。

4.3 数据的分类

在脑电信号处理的自适应阶段中，相关信息基础的确定上，依据分段数据中的相关分类存档化分析，结合分类和分类穿插的过程，开展对分段中相关分类数据、分类体系和分类内容的合理规划，结合分类存档工作的内容和体系要求，实现数据的科学分类。

5 结语

综上所述，本研究所涉及到的分段方法的应用相对简易，可以借助百分比的形式进行有效的评估，同时利用最小差别判决法可给出精确化的数据分段与数据的准确化应用，实现对整个数据内容的采集、分析与计算过程的验证。

参考文献

[1] 李明爱，崔燕，杨金福，郝冬梅.基于HHT和CSSD的多域融合自适应脑电特征提取方法[J].电子学报，2013，41（12）：2479-2486.

[2] 李明爱，田晓霞，孙炎珺，杨金福.基于改进GHSOM的运动想象脑电信号自适应识别方法[J].仪器仪表学报，2015，36（05）：1064-1071.

[3] 赵云，于毅，闫岑，司雅静，张红星，史丽娟.精神分裂症患者脑电信号中眼电伪迹自动去除方法[J].新乡医学院学报，2016，33（02）：113-115+119.

[4] 尹海娥，曾衍钧，张建华，潘映辐.基于ANFIS的自适应噪声消除方法在视觉诱发脑电信号的单次提取中的应用[J].中国生物医学工程学报，2005（03）：324-329.