7.3.2　特征提取

特征提取是利用各种脑电信号处理技术，从中提取能够反映大脑思维意图的特征向量。在脑机接口研究中，脑电信号特征提取通常可以分为四个方面：时域分析、频域分析、时频分析和空域分析。

（1）时域分析。EEG的全部信息都包含在采集到的时域波形中，因此时域分析是最为直观的方法，通常用来对脑电信号的幅值、周期等信息进行初步分析。该类方法的优点在于可以直接从时域提取有用的波形特征，简单方便而且不需要对脑电信号进行平稳性的假设。常见的时域分析方法包括幅值分析、方差分析、周期分析、直方图分析、过零点分析等，这些方法可以清晰直观地表达波形特征，在长时间的睡眠脑电信号分析中得到了较为广泛的应用。

（2）频域分析。时域分析方法虽然得到了一定应用，但是脑电信号特征主要还是来自频域与空域。频域分析方法的基础是功率谱估计，该方法将幅值随时间变化的时域EEG信号转化为功率随频率变化的频率图谱，在脑电信号分析中占有非常重要的地位。通过计算功率谱密度可以直观地看出脑电信号中δ波、θ波、α波、β波、γ波的分布与变化，对EEG信号的能量特征进行突出展现。谱估计分为参数估计和非参数估计，其中，参数估计包括基于AR模型的功率谱估计和基于自适应自回归（AAR）模型的功率谱估计等，该方法假设信号是由某种函数形式已知的模型产生，通过对模型的参数进行估计并从中得到谱特性；非参数估计主要是以傅里叶变换为主的周期图法以及相关图法等。

（3）时频分析。在频域分析中，一旦将信号由时域转向频域，原时域信号中的趋势突变、事件的开始结束等特征就被丢掉了，而时频分析方法综合了时域分析与频域分析，是一种可以更加全面地分析脑电信号的方法。目前被广泛应用的时频分析方法主要是小波变换和小波包变换。小波变换具有多分辨率特性，无论是时域还是频域都具有良好的分辨率，是一种分析非平稳过程的有效方法，其分解与重构方法比小波包变换更加精细。由于EEG信号也具有非平稳性、非线性的特点，因此无论是小波变换方法还是小波包变换方法，都非常适用于EEG信号的分析。

（4）空域分析。在脑电信号采集过程中，通常会将几十个导电极放置在大脑的不同位置。如果研究这些不同位置的导电极所记录的脑电信号之间的关联，就需要使用空域分析方法。典型的空域分析方法包括共同空间模式法和独立分量分析法。共同空间模式法通过构建空间滤波器，使不同类别的脑电波在该滤波器上投影的能量分布差异最大化来完成EEG信号的空间特征提取。独立分量分析法将原始信号分解成不同的独立子分量，不仅可以应用于EEG信号空间特征的提取，还可以应用于眼电伪迹的去除。