摘要：针对脑机接口（ brain computer interface, BCI）中2类运动想象任务的特征提取问题，提出了一种小波包分解（wavelet packet decomposition，WPD）与共同空间模式（common spatial pattern，CSP）相结合的脑电信号特征提取方法。该方法首先选择7个重要导联的脑电（electroencephalograph，EEG）信号，用‘haar’小波基进行三阶WPD分解；然后对每个导联分解后的其中5个子带进行重构，获取相关频域信息；最后对重构后信号利用CSP特征提取，获得六维特征向量。CSP与WPD相结合能够充分利用WPD的时频特性，有效避免CSP要求输入导联数过多、缺乏频域信息等缺陷。对2008年国际BCI竞赛数据和本实验室实验数据，采用该方法进行特征提取，通过概率神经网络（probabilistic neural network，PNN）分类。2种数据源分类正确率分别为92％和80％，相对于单纯的CSP特征提取，正确率分别提高5％和20％。实验结果表明：WPD与CSP相结合的特征提取算法能提取明显的特征，进而提高BCI的识别正确率。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社