换一批公共空间模式算法结合经验模式分解的EEG特征提取
EEG signals feature extraction combined with empirical mode decomposition and common spatial pattern
摘要常规的公共空间模式分解方法需要大量的输入通道、缺乏频域信息,发展受到限制.为了克服以上缺点,将经验模式分解(Empirical Mode Decomposition,EMD)和公共空间模式算法结合,改变CSP滤波器成分选择方式,提出EMD-CSP算法来获取特征向量.该算法对预处理后的信号进行经验模式(EMD)分解,得到固有模态函数(Intrinsic Mode Functions,IMFs),观察并计算每个IMF分量的能量谱,筛选有效的IMF频段(5~28 Hz),使用改进的CSP滤波器进行滤波获取特征,最后使用支持向量机(Support Vector Machine,SVM)进行分类.分类结果得到9位受试的想象运动平均分类正确率为92%,证实了该算法的可行性与有效性.
更多相关知识
关键词
脑电信号经验模式分解公共空间模式分解Electroencephalogram(EEG)Empirical Mode Decomposition(EMD)Common Spatial Pattern(CSP)
分类号
R318（医用一般科学）TP39
栏目名称
DOI
10.3778/j.issn.1002-8331.1703-0199
发布时间
2017-07-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（No.61271334）
- 浏览6
- 被引28
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
