3.2 频域法 功率谱分析是频域分析的主要手段，它的意义在于把幅度随时间变 化的脑电波变为功率随频率变化频谱图。从而可以直观的看到脑电节律 的分布。然后用两个时间域的滤波器(0一3Hz，8一30Hz)进行滤波，分 别得到ERP信号(a波:8一12Hz和p波:18一24Hz)。
近些年来，脑－机接口BCI(brain-computer interaction）技术的研究 在国际上引起了广泛的兴趣并获得了快速的发展。人类大脑能够产生多 种信号,包括电的、磁的、化学的以及大脑活动的机械反应等各种形式。 这些信号可以通过相应的传感器进行检测，从而使得BCI的实施成为可 能。由于对磁和化学等信号的检测技术需要更高的要求,目前BCI信号的 获取主要基于技术相对简单、费用较为低廉脑电检测技术，利用脑电 EEG(electroencephalogram)来实现无动作的人机交互，BCI技术的研究 在肌肉瘫痪但具有良好认知的残疾人（例如：ALS、脊髓损伤、中风） 康复、军事、人工智能、娱乐等方面都存在潜在的应用价值；它不仅为 人与计算机等设备间提供了一种新型的交互方式，而且为对人类自身的 认识与研究提供了一种手段，极大地推动着人们对于人脑思维能力的认 识和利用,其研究成果具有重大的理论意义、学术价值和广阔的应用前景。
对于引出电极与前置放大器的接法，称之为脑电信号的导联。根据对 活动电极与无关电极处置方法的不同，可分为单极导联和双极导联。所 谓单极导联就是将活动电极接至前置放大器的一个输入端，无关电极接 到前置放大器的另一个输入端。无关电极一般选两侧耳垂，活动电极选 择在头皮的一个电极。这种接法的优点是：能记录活动电极下脑电位变 化的绝对值，其波幅较高且稳定，缺点是：无关电极不能保持零电位，
2.4 滤波电路
由电极获取的信号经过前置放器的放大，信号的幅度将变大，但这些信 号中仍含有脑电信号范围外的噪声和干扰，我们必须从这些信号中提取我们 需要的有用信号，去除噪声和干扰。我们一般使用低通滤波器滤除l00Hz以 上的信号，用高通滤波器滤除0.1Hz以下的信号。
光电隔离器是把发光器件与光敏接受器件集成在一起 , 或用一根光 导纤维把两部分连接起来的器件。通常发光器件为发光二极管 (LED) , 光接受器件为光敏晶体管等。加在发光器件上的电信号为耦合器的输入 信号 , 接受器件输出的信号为隔离器的输出信号。当有输入信号加在光 电隔离器的输入端时 , 发光器件发光 , 光敏管受光照射产生光电流 , 使 输出端产生相应的电信号 , 于是实现了光电的传输和转换。其主要特点 是以光为媒介实现电信号的传输 , 而且器件的输入和输出之间在电气上 完全是绝缘的。结构如下图：
易混进其它生物干扰。双极导联则不使用无关电极，只使用头皮上的两个活 动电极。这样做的优点是：所记录波形为两个电极脑电变化的差值，由于前 置放大器对共模信号的抑制作用，可以大大减少干扰，可排除无关电极引起 的误差，缺点是两个活动电极在3cm以内时，来自较大范围的脑电电位差被 互相抵消，而且值较低，波形也不恒定。在实际中，需要根据不同的情况和 要求连接成不同的方式，使用多导记录多个波形，对病情作出综合判断。
2.3脑信号放大电路
脑电信号是一种微弱的低频电信号，在幅值上是微伏级幅值大概是 10μV-200μV。在进行有效的处理、显示或记录之前，首先必须把信号放大。 下图为放大电路图：
为什么使用三级放大电路呢？首先在ADC之前必须把幅值增大到可以 满足ADC采集芯片的要求。另外放大电路采用三级放大形式的优点是： 信号逐级放大，不集中在某一级。 但一般前级放大倍数不宜太大，因 为信号和噪声同时经过这一级，如果放大倍数过大，则噪声也被同样 放大，如果噪声幅度过大，后级难以有效去除噪声。中间级是主要放 大级，进入这一级的信号已经经过处理，噪声已得到有效滤除，一般 该级的放大倍数较大，末级是对前面放大的补充。 其放大倍数可根据 后级电路作适当调整。 脑电信号的幅值范围为10μV-200μ V，由于信 号太微弱比标准心电信号微弱的多，共模干扰对脑电信号的检测将会 造成更严重的影响，因此脑电放大电路需要具有更高的共模抑制比， 一般应在120dB以上。且要求在前置级放大电路应具有更高的输入阻 抗，其值至少应大于10MΩ。
2.1电极
人的大脑发出的微弱电信号必须通过电极来获取，电极是实际上是一 个换能装置，它将在体内靠离子传导的电流转换成在电极和导线内靠电 子传导的电流，即离子电流转换成电子电流。这些信号是含有大量的眼 电、肌电的伪迹。电极一般使用电极帽固定，例如在我们实验室使用的 是BIOSEMI公司的一套设备。
ቤተ መጻሕፍቲ ባይዱ
2.2脑电信号的导联
2. 脑机接口系统基本组成
图1.1为脑机接口的基本组成框图。除了人本身外，BCI系统主要 由放大电路、信号采集与预处理、特征提取、特征分类、外围设备、 反馈系统等。BCI系统读取脑活动的电信号并将其转换成为数字形式， 供计算机识别、处理、甚至控制执行单元活动，比如操纵电脑光标， 开关电视乃至控制机械假肢。
2.5 信号的处理
3. EEG信号的特征提取
传统的脑电信号处特征提取方法是对信号进行多次检测并进行均值滤波, 再用统计学的方法寻找脑电信号的变化规律。这种方法信息传输率低,也不 能满足实时（real-time）控制的需求。目前对脑电信号的处理一般采用对单 次训练信号进行研究。其中特征提取和识别分类是BCI信息处理最为关键的 环节。特征提取就是以特征信号作为源信号,确定各种参数并以此为向量组 成表征信号特征的特征向量。特征参数包括时域信(如幅值)和频域信号(如频 率)两大类,相应的特征提取方法包括： 3.1 时域法 时域分析主要用来直接提取波形特征，如过零点分析、直方图分析、方 差分析、峰值检测、波形识别等。这方面的应用有事件相关电位(ERP)法,采 用ERP的幅值特性作为特征信号的特征提取方法。值得一提的是现在该领 域普遍关注的P300电位，这种响应在刺激后发生大约300ms的时间出现， 因此，其本身就是以时间参数命名的一种特征信号。根据事件发生与相关电 位产生之间的时间差结合诱发电位的幅值就可以判断P300的发生。