脑电图(electroencephalogram,EEG)是脑神经细胞的电生理活动在大脑皮层或头皮表面表现出的电现象。一般来说,脑电变化可分为两类:即诱发电位响应和自发电活动。研究表明,脑电信号具有背景噪声强信号幅度微弱、非平稳性和随机性强、频域特征比较突出等特点。因此,脑电信号的分析与处理仍然是一项非常具有挑战性的课题。 灰色系统理论(Grey System Theory)是由我国学者邓聚龙教授于1982年在国际上首先提出的。对于非典型规律的信号(如非平稳、非高斯分布、非白噪声),灰色方法与其它的一些按统计规律和先验规律来处理数据的方法相比,具有明显的优势。 本文在初步分析了脑电信号处理方法以及灰色系统理论的基础上,考虑到脑电信号的非平稳性和随机性强、频域特征比较突出,结合灰建模对于建模数据无特殊性要求等特点,提出了脑电信号分析与处理的一种新方法——将灰建模理论应用于自发脑电特征的提取中。同时对于采用灰建模方法提取的脑电特征,采用机器学习理论中基于实例的k-近邻算法对实测脑电信号进行了分类识别。研究结果表明,在脑电信号处理中使用灰建模方法提取脑电特征并采用k-近邻算法进行分类决策,在理论上是可行的、有效的。同时该方法也为进一步的脑功能模式识别研究提供了良好的理论基础。本文主要完成了以下工作: (1)脑电信号的灰色GM(1,1)建模; (2)模型参数估计及脑电特征提取: (3)分析比较两种状态,即睁眼和闭眼时脑电特征参数a,b的不同,并给出比较结果; (4)采用基于实例的k-近邻算法对未知脑电信号(睁眼和闭眼)模式进行分类决策,并给出在选取不同参数时算法的分类性能以及改进方法。 本文在MATLAB环境下实现了所有的分析处理工作。研究结果表明,本文提出的方法是可行有效的。