| 基于脑功能网络和样本熵的脑电信号特征提取 |
| |
| 引用本文： | 罗志增,鲁先举,周莹.基于脑功能网络和样本熵的脑电信号特征提取[J].电子与信息学报,2022,43(2):412-418. |
| |
| 作者姓名： | 罗志增 鲁先举 周莹 |
| |
| 作者单位： | 杭州电子科技大学智能控制与机器人研究所 杭州 310018;杭州电子科技大学智能控制与机器人研究所 杭州 310018;杭州电子科技大学智能控制与机器人研究所 杭州 310018 |
| |
| 摘 要： | 针对脑-机接口(BCI)研究中采用单一特征对运动想象脑电信号(EEG)识别率不高的问题,该文提出一种结合脑功能网络和样本熵的特征提取方法.根据事件相关同步/去同步(ERS/ERD)现象以及皮层与肢体运动想象间的对侧映射机制,选取小波包变换消噪重构后的μ节律脑电信号,用左侧27个通道、右侧27个通道分别对左半球脑区和右半球脑区构建脑功能网络,计算网络的平均节点度和平均聚集系数作为运动想象的脑功能网络特征,并结合C3,C4通道μ节律的样本熵构筑分布性和指向性相结合的特征向量.选用支持向量机(SVM)对左右手运动想象脑电信号进行分类,结果表明基于脑功能网络和样本熵的特征提取方法能够实现更优的分类效果,分类准确率最高可达90.27％.
|
| 关 键 词： | 脑电信号 脑功能网络 样本熵 特征提取 事件相关同步/去同步 |
EEG Feature Extraction Based on Brain Function Network and Sample Entropy |
| |
| LUO Zhizeng,LU Xianju,ZHOU Ying.EEG Feature Extraction Based on Brain Function Network and Sample Entropy[J].Journal of Electronics & Information Technology,2022,43(2):412-418. |
| |
| Authors: | LUO Zhizeng LU Xianju ZHOU Ying |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
