中国组织工程研究与临床康复第 14 卷 第 43 期 2010–10–22 出版October 22, 2010 Vol.14, No.43Journal of Clinical Rehabilitative Tissue Engineering Research基于Mu/Beta节律想象运动脑电信号特征的提取*★黄思娟，吴效明Feature extraction of electroencephalogram for imagery movement based on Mu/Beta rhythmHuang Si-juan, Wu Xiao-mingAbstractBACKGROUND: Different sports produce different electroencephalogram (EEG) signals. Brain-computer interface (BCI) utilized characteristics of EEG to communicate brain and external device by modern signal processing technique and external connections. The speed of EEG signals processing is important for BCI online research. OBJECTIVE: To investigate a rapid and accurate method for extracting and classifying EEG for imagery movement. METHODS: Using the attribute of event-related synchronization and event-related desynchronization during imagery movement, the BCI dataset of 2003 was processed. Mu/Beta rhythm was obtained from bandpass filtering and wavelet package analysis. Then feature was formed by the average energy of lead C3, C4, and was sorted out by the function classify of matlab. RESULTS AND CONCLUSION: Appropriate parameters were obtained by detection of training data and used for identification of training data and testing data, with a correct rate of classification of 87.857% and 88.571%. Huang SJ, Wu XM. Feature extraction of electroencephalogram for imagery movement based on Mu/Beta rhythm.Zhongguo Zuzhi Gongcheng Yanjiu yu Linchuang Kangfu. 2010;14(43): 8061-8064. [ ]School of Bioscience and Bioengineer, South China University of Technology, Guangzhou 510006, Guangdong Province, China Huang Si-juan★, Studying for master’s degree, School of Bioscience and Bioengineer, South China University of Technology, Guangzhou 510006, Guangdong Province, China huangsijuan123@ Correspondence to: Wu Xiao-ming, Doctoral supervisor, School of Bioscience and Bioengineer, South China University of Technology, Guangzhou 510006, Guangdong Province, China bmxmwus@scut. Supported by: the Science and Technology Development Program of Guangdong Province, No. 2009B030801004* Received: 2010-05-17 Accepted: 2010-07-13摘要背景：不同的运动会产生不同的脑电信号，脑机接口技术就是利用脑电信号的特异性，通过现代信号处理技术和外部的连 接实现人脑与外部设备的通信。

以实现脑机接口在线研究的目标，首先要解决的是脑电信号处理的速度问题。

目的：研究快速、准确地提取脑电信号特征及分类的方法。

方法：充分利用想象运动过程中，脑电信号中 Mu/Beta 节律的事件相关同步化和去同步化特性，以 2003 年 BCI 竞赛数据 为处理对象，采用带通滤波和小波包分析的方法提取 Mu、Beta 节律，提取 C3、C4 两通道上的能量平均值形成二维特征 向量，利用 matlab 自带的 classify 函数进行分类。

结果与结论：通过对训练数据进行测试得到较为合适的参数，利用该参数对同等条件下的训练数据和测试数据分别进行判 别，分类正确率分别达到 87.857%和 88.571%。

关键词：特征提取与分类；脑电信号；事件相关同步化/去同步化；想象运动；小波包分析 doi:10.3969/j.issn.1673-8225.2010.43.021 黄 思 娟 ， 吴 效 明 . 基 于 Mu/Beta 节 律 想 象 运 动 脑 电 信 号 特 征 的 提 取 [J]. 中 国 组 织 工 程 研 究 与 临 床 康 复 ， 2010 ， 14(43):8061-8064. [ ](slow cortical potential, SCP)、Mu或Beta节律 0 引言 脑-机接口(brain-computer interface， BCI) 是指在不依赖于外周神经和肌肉组织等常规大 脑信息输出通路，运用工程技术在人脑和计算 机或其他电子设备之间建立能直接“让思想变 成行动”的对外信息交流和控制新途径[1-2]。

该 技术不仅可以为思维正常但运动功能残缺的人 (如肌萎缩性(脊髓)侧索硬化患者、严重脊髓损 伤或完全瘫痪患者)提供一种新型的辅助运动 和对外信息交流手段，还可为人们提供无需体 力操作的新的人机交互通讯方式，尤其适用于 特殊环境下。

同时，脑-机接口为人们提供一种 新的娱乐方法—思维游戏。

目前，脑-机接口系统主要采用以下4类信 号：P300、稳态视觉诱发电位(steady-state visual evoked potential, SSVEP)、慢皮质电位 等。

Mu节律是在感觉运动区记录到的8~12 Hz 脑电波，与alpha节律区别在于Mu节律不受视 觉影响，但会因动作、动作准备或运动想象发 生变化[1]。

Mu节律与18~26 Hz的Beta节律存在 紧密的联系，Beta节律中部分频率是Mu节律的 谐波， 同样与运动或运动想象存在联系[3]。

研究 显示， Mu/Beta节律与运动或运动想象的联系表 现为：想象某侧肢体的运动可导致同/对侧感觉 运动皮层的Mu/Beta节律幅度的升高/降低，称 之 为 事 件 相 关 同 步 化 (event-related synchronization ， ERS)/ 事 件 相 关 去 同 步 化 (event-related desynchronization，ERD)[4]。

本 文利用Mu/Beta节律的ERS/ERD特性进行脑机接口的研究，以 2003年脑-机接口竞赛的想 象左右手运动数据为处理对象。

离线分析结果 表明，该方法非常简单，且在分类准确率上有 一定的提高。

ISSN 1673-8225CN 21-1539/RCODEN: ZLKHAH8061黄思娟，等. 基于 Mu/Beta 节律想象运动脑电信号特征的提取华南理工大学生 物科学与工程学 院， 广东省广州市 510006 黄思娟★，女， 1985 年生，江西 省高安市人，汉 族， 华南理工大学 生物医学工程专 业在读硕士， 主要 从事生物医学信 号检测及处理方 面的研究。

huangsijuan123 @ 通讯作者：吴效 明，博士生导师， 华南理工大学生 物科学与工程学 院， 广东省广州市 510006 bmxmwus@scut. 中图分类号:R318 文献标识码:B 文章编号:1673-8225 (2010)43-08061-04 收稿日期： 2010-05-17 修回日期： 2010-07-13 (20100517016/M·A)2.2 1 实验数据 实验数据来自于2003年BCI国际竞赛数据 data set Ⅲ(由奥地利Graz科技大学提供)。

实 验任务为受试者(性别：女，年龄：25岁，健康 状况： 良好)根据视觉提示想象左手或右手运动。

完整的实验过程包括7组，每组包括40个试验， 7组实验在同一天进行， 期间有几分钟的休息间 隔。

每个实验持续时间为9 s，前2 s受试者保持 放松状态，t=2 s，屏幕中央出现一个“十”字 型图案标志实验开始，同时伴随一个短促的提 示音(蜂鸣声)提示受试者准备想象运动；t=3 s， 屏幕中央出现向左或向右的箭头提示，受试者 按照提示信号想象左右手运动。

所有实验数据 采自位于C3、 Cz、 C4电极的双导联方式记录的 脑电信号，采样频率为128 Hz，经过0.5~30 Hz 滤波[5]。

C3、C4电极位于大脑的初级感觉运动 皮层运动功能区，能反映受试者在想象左右手 运动时大脑状态变化的最有效信息，Cz作为参 考电极。

最终实验数据由140个已知类别的训练 样本和140个未知类别的测试样本组成， 数据集 均为1 152×140×3。

2 处理方法与实验结果ψ ψ 2i j,k特征提取与分类脑电信号特征提取方法主要有AR模型系数、 功率谱估计[6-7]、 小波变 换 和 独 立 分 量 分 析 (independent component analysis，ICA)等[8]。