换一批摘要对于传统特征提取算法对运动想象脑电信号识别能力不足的问题,采用多元经验模式分解(multivariate empirical mode decomposition,MEMD)的方法用于分析运动想象的脑电信号.目前此方法主要应用在股票收益与宏观经济关系分析上,MEMD将标准经验模式拓展到多通道信号处理,适合于分析多元时间序列,并能够同时处理多通道的多尺度分解,进而在不同尺度下对多元时间序列的时间频率特性进行比较.通过Emotiv传感器对自定义的左右运动想象任务采集数据,采用MEMD提取相关脑电特征的边际谱,使用支持向量机对相关特征量进行分类.实验表明,此方法增强了定位脑电信号的频率信息的准确性,能够有效地提高对脑电信号的识别能力.
更多相关知识
关键词
多元经验模式分解(MEMD)特征提取脑电信号(EEG)边际谱multivariate empirical mode decomposition (MEMD)feature extractionelectroencephalogram (EEG)marginal spectrum
分类号
TP18R318（医用一般科学）
栏目名称
DOI
10.3979/j.issn.1673-825X.2015.03.016
发布时间
2016-01-16（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引17
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
