一、在线脑机接口中脑电信号特点与分型
　　神经纤维处于兴奋或抑制状态会产生电信号，即脑电信号，其具体产生机制尚不清楚。脑电信号除有一半生物电的共性外，还有以下特点：①信号微弱，容易受到干扰，即噪声背景较大。人体是一个复杂的系统，导致脑电信号非常容易受到外界的影响，故脑电信号的处理需要进行有效的去噪。②脑电信号频率范围低，一般在0～30Hz，在进行信号获取、放大等预处理时，需要充分考虑到频率效应特性。③脑电信号具有非线性、随机性强，故无法采用数学函数表示，较一般的生物电信号处理难度更大。
　　脑电信号的种类按照产生的方式，可分为以下类型：①P300诱发电位。这种电位是实验者在实验过程中采用外部刺激產生的，实验者通过外部刺激形成P300，根据脑电信号P300峰值出现的时间等参数，能够分析实验对象的脑部思维活动。研究显示，当刺激发生几率较大时，形成的P300峰值幅度较小，P300是一个外部相应信号，与实验者是否接受训练联系不大。②其他。视觉诱发电位、事件相关同步/去同步电位、皮层慢电位、自发脑电信号、颅内脑电信号等，各有优劣，其中事件相关同步/去同步电位在在线脑机接口中应用价值最高，如当想象左侧肢体运动情况下，大脑左侧感觉运动区域能够检出相关的同步电位，这对于肢体功能障碍镜像康复治疗、人工肢体控制有重要意义。
　　二、在线脑机接口中脑电信号特征提取
　　脑电信号有其独特性型，并对其提出较高的要求，目前可供选择的主要算法包括：①时域特征提取。它应用得较早，主要用于背景较小、平稳的睡眠脑电耗提取，主要指标包括幅值、方差极值等。②频域特征。脑电信号的频域特征较突出，恩熙信號通过分析脑电波、电功率指尖的关系，分析信号的频率、能力等，主要计算方法包括短时傅立叶变换、小波分解等。③时频联合特征提取，能够获取的信号特征更为丰富，主要算法包括希尔伯特黄变换、小波分解等。④空域特征提取，主要用于脑科学科研，在线系统中应用较少。⑤非线性动力学，主要方法包括关联纬、复杂度、Lyapunov指数等，通过分析不同生理情况下的非线性特征分析大脑功能，诊断脑部疾病；⑥人工神经网络，成功用于人脑电信号分析，进行在线识别癫痫信号，获得较好的准确率，但尚无用于在线脑机接口脑电信号特征提取。⑦其他特征提取方法主要包括主成分分析、近似熵等。不同提取方法得到的脑电图特征存在明显的差异，部分算法可能不适合在线分析，计算量较庞大。以短时傅立叶变变换为例，其在时间-频率中描述非平稳的时变信号，能够更全面地观察恩熙信号的时频联合特征，包括时域窗法、频域窗法，需要进行改良。以频域窗法为例，若窗谱W（ω）表示窗函数W（n）的傅立叶变化，那么信号STFT表示为XSTFT（n，ω）
　　，STFT是序列X（n）与窗函数W（n）e-jnω的卷积与序列e-jnω的乘积，窗函数随着时间轴的移动，截取到一小段信号，然后进行傅立叶变化，得到二维函数，从而得到信号的时频联合分布。
　　三、在线脑机接口中脑电信号特征分类
　　目前常用的分类方法，包括决策树、朴素贝叶斯、支持向量机、Fisher线性判断、神经网络等。当前，越来越多的学者采用准确率、召回率以及AUC值评价分类的效果，联合分类法越来越受到重视。特别是随着计算机性能的发展，计算量、计算速度不断提高，算法量对算法的选择影响明显被削弱，联合算法结合不同算法的优势，可明显提高准确率、降低召回率，成为处理复杂、易受干扰的在线脑机接口中脑电信号分类首选方法。
　　参考文献：
　　[1]吴朝晖，俞一鹏，潘 纲，等.脑机融合系统综述[J].生命科学，2014（6）：645-649.
　　[2]王行愚，金 晶，张 宇，等.脑控——基于脑机接口的人机融合控制[J].自动化学报，2013（3）： 208-221.