研究主要内容

本文研究的主要是基于MATLAB平台的EEG信号的分析，本MATLAB分析平台主要分为两大部分，一是信号分析部分，二是模式识别部分。而本文主要研究的是信号分析部分，模式识别部分交由另外一个同学研究。脑电信号是生物电信号,它通过采集头皮上的电极表面反映了大脑的内部状态，在采集过程中，不可避免地会引入各种失真和干扰，如眼电、肌电、心电、工频干扰等干扰，特别是眼电，振幅较大，它对于后续的特征提取及分类会产生严重的影响。因此，脑电信号的预处理中重要的一步是去噪。

由于CNT文件中的数据信息部分是很复杂的一个数据库，要将其读出并画出来显示在GUI中的坐标图上是一件不简单的事。CNT文件中的数据信息部分就是记录了所有的数据，因此研究CNT文件的读取也是本设计的研究重点内容，本设计也花了大量的时间放在CNT文件读取部分。

本文的主要工作是，完成EEG信号CNT文件的读取模块。CNT文件的读取是整个设计最重要的一步也是整个设计的第一步，第二步是设计完成一个GUI框架，有了这个GUI改写设计，通过参数调节最终以图表的形式显示测试结果。最后与模式识别模块的同学合作，整合完成EEG信号分析平台。

本平台设计的模块主要结构如图3-2所示，界面的布局设计采用的设计方法是自顶而下的设计方法，先设计主要功能模块，再设计细分的功能模块。本设计的界面的模块主要是根据信号预处理所设计到的内容结构来进行划分的，主界面包括了信号预处理、分类、匹配三大部分，其中信号处理模块主要是一些滤波方法，包括FFT变换、小波变换、巴特沃斯低通滤波以及ICA独立分量分析几个子块。每个模块都包含了主要内容的重点和难点，通过GUIDE的用户界面实现了可视化。

在本设计中，我在主菜单中设置了波形处理，模式识别以及匹配三个主菜单，如图3-4所示。可以明显看出本设计主要目的是要对EEG信号进行读入进而用多种方法进行波形处理，通过各种处理方法的波形处理结果的对比得出最佳滤波方法，然后利用此种方法得出处理的结果进行接下来的EEG信号模式识别部分的分析，最终通过对已知相关事件的标准事件进行匹配，得出被检测的EEG信号是处于何种状态的脑电波。

本设计的EEG信号数据信息是以CNT文件形式存在的。而CNT文件主要包含了四大部分:头信息，电极信息，数据信息以及事件信息。因此CNT文件包含了很多重要的信息。

本设计所涉及到的CNT文件读取模块讲的就是对CNT数据的第三部分的数据信息的一个读取与显示。其实就是对一个很大的数组进行读取并画成波形。

CNT文件的读取模块由一个弹出式菜单，三个文本框若干个静态文本框以及两个按钮组成。

通过查阅大量文献资料，并仔细研读，了解了EEG信号方面研究的前世今生，得知在EEG信号分析方面还处于探索之中。虽然，现已具备许多滤波方法以及特征提取方法，但对于模式识别，分类这一块还是比较空白的，大多的研究都处于信号分析部分，而对于分类部分全靠心理学专家学者们通过学习观测来得出结论。通过对EEGLAB仿真软件的学习以及GUI的设计学习，并利用GUI自带的各种控件，编写了一个可满足一般工作要求的程序实例。

经过调试和测试，该程序实例可以实现：

（1）CNT文件的读取，可以将储存在CNT文件中的大量数据，通过软件编写以波得 形式展示在GUI界面中，即原始脑电波的读取与显示。

（2）对读取出来的原始脑电波进行快速傅里叶变换、小波变换、巴特沃斯低通滤波以及ICA独立分量分析。

（3）通过对比，得出最佳滤波效果，其中小波分析是继傅里叶变换之后不仅能满足各种滤波要求如低通、高通、陷波、随机噪音的去除等，而且与传统的滤波方法相比较，有着无可比拟的优点，一种非常适用于脑电分析的滤波方法。

（4）巴特沃斯低通滤波是本次的一个创新点。