题目：基于脑—机接口的思维作业脑电信号的特征提取机分类

脑-机接口(BCI)是一种全新的人机接口方式，它不依赖于脑的正常输出通道(外周神经与肌肉系统)，而是直接从大脑获取与外界通讯的信息。BCI的一个重要用途是为那些思维正常但有严重运动障碍的患者提供语言交流和环境控制途径，提高其生存质量。BCI在自动控制、军事领域也有潜在的应用价值。由于其巨大的应用前景，BCI己引起学术界的高度重视。脑机接口研究正成为脑科学、康复工程、生物医学工程及人机自动控制研究领域的一个新的热点。
研究BCI的目的就是试图将在脑电信号(EEG)或它的某些分量转化为一种新的输出通道，通过大脑能够与外界进行信息交换与控制。当前绝大部分BCI的研究都是建立在EEG基础上的。EEG是大脑产生的电活动，可以从头皮或大脑皮层记录到。脑电信号的特征提取与识别是实现BCI系统、提高系统可靠性与性能的关键。而本文基于脑一机接口的思维作业脑电信号的特征提取和分类就是探讨一种新的脑电信号处理方法。
本文首先介绍了EEG的有关概念和特性等，并对脑电信号的处理技术的研究进展进行了综述。然后重点讨论了脑电信号的降噪、特征提取和分类的方法。主要所做的工作如下：
(1) 深入研究国内外脑电信号特性分析与特征提取的理论和方法，对各种方法的优缺点进行分析和总结。
(2) 使用小波变换方法对两种思维作业自发脑电信号进行降噪，并对降噪前后的信号作了对比。
(3) 使用希尔伯特-黄变换(HHT)对不同思维作业脑电信号进行分解，通过实验发现不同思维作业的脑电信号的HHT边际谱差异显著，由此证明使用HHT对不同思维作业脑电信号处理的可行性。
(4) 对降噪方法处理后的脑电信号使用主分量分析方法(PCA)及经验模式分解(EMD)方法进行降维和特征提取，并使用支持向量机(SVM)对提取的特征进行分类。实验结果表明分类的最高正确率可以达到92%，为后续在线BCI系统的设计和实现奠定了基础。