| 多类运动想象脑电信号特征提取与分类 |
| |
| 引用本文： | 段锁林,尚允坤,潘礼正.多类运动想象脑电信号特征提取与分类[J].计算机测量与控制,2016,24(2):283-287. |
| |
| 作者姓名： | 段锁林 尚允坤 潘礼正 |
| |
| 作者单位： | 常州大学 机器人研究所,江苏 常州 213164,常州大学 机器人研究所,江苏 常州 213164,常州大学 机器人研究所,江苏 常州 213164 |
| |
| 基金项目： | 江苏省科技支撑计划项目(社会发展)(BEK2013671)。 |
| |
| 摘 要： | 针对多类运动想象情况下存在的脑电信号识别正确率比较低的问题,提出了一种基于小波包特定频段的小波包方差,小波包熵和共同空间模式相结合的脑电信号特征提取的方法,并将特征向量输入到支持向量机中达到分类的目的；首先选择重要导联的脑电信号,进行特定频段的小波包去噪和分解；其次对通道优化的重要导联的每个通道信号计算小波包方差和小波包熵值作为特征向量；然后对所有重要导联的分解系数重构并进行共同空间模式特征提取；最后结合2种不同导联方式所获取的特征向量作为分类器的输入进行分类；采用BCI2005desc_IIIa中l1b数据进行验证,该算法的分类正确率最高达到88.75%,相对2种单一的提取方法分别提高28.27%和6.55%；结果表明该算法能够有效提取特征向量,进而改善多类识别正确率较低的问题。
|
| 关 键 词： | 脑电信号 小波包方差 小波包熵 共同空间模式 特征提取 支持向量机 |
| 收稿时间： | 2015/9/6 0:00:00 |
| 修稿时间： | 2015/10/8 0:00:00 |
Feature Extraction and Classification of Multi-class Motor Imagery EEG Data |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机测量与控制》浏览原始摘要信息 |
|
点击此处可从《计算机测量与控制》下载全文 |
|
