换一批摘要针对P300电位信号微弱、抗干扰能力差、识别率低等问题,提出一种小波包变换(wavelet packet transform,WPT)与共空域子空间分解法(spatial subspace decomposition,CSSD)相结合的特征提取方法,即WPCSSD法.首先,对脑电信号进行叠加平均以提高信号的信噪比;其次,使用小波包法对脑电信号进行滤波,并依据P300电位的有效时频信息重构脑电信号;然后,求取其AR模型功率谱,并基于CSSD法构造空间滤波器,获得能体现P300电位时-频-空特征的特征向量;最后,以支持向量机为分类器进行分类.实验结果表明:本方法具有较强的抗干扰能力和自适应能力,在国际BCI竞赛数据集上获得了95.22％的分类正确率,证明了本方法的正确性和有效性.
更多相关知识
关键词
P300电位特征提取小波包AR模型功率谱共空域子空间P300 potentialfeature extractionwavelet packetAR model power spectrumcommon spatial subspace decomposition (CSSD)
分类号
R318（医用一般科学）
栏目名称
发布时间
2014-10-17（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引5
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
