基于DWT、MEMD和模糊熵的脑电信号特征提取与分类研究 |
| |
作者单位: | ;1.西安工程大学电子信息学院 |
| |
摘 要: | 针对脑电信号分类准确率不高导致脑控设备控制稳定性差的问题,提出一种基于离散小波变换(DWT)、多变量经验模态分解(MEMD)和模糊熵的特征提取与分类方法。首先,利用DWT将脑电信号分解成一系列窄带信号;其次,利用MEMD对子带信号进行分解,得到一系列本征模函数(IMFs),选择合适的IMFs进行信号重构,利用模糊熵算法对信号提取特征,作为实验的特征向量;最后,使用支持向量机(SVM)进行分类。利用脑机接口(BCI)大赛数据作为验证集,验证了该算法的有效性,使分类精度提高到了96.2%,同时解决了经验模态分解(EMD)中频带覆盖较广的问题。
|
关 键 词: | 脑电信号 离散小波变换 多变量经验模态分解 模糊熵 特征提取 |
Research on feature extraction and classification of EEG signal based on DWT,MEMD and fuzzy entropy |
| |
Abstract: | |
| |
Keywords: | |
|
|