换一批
换一批脑电信号多特征融合与卷积神经网络算法研究
Algorithm Research Based on Multi-Feature Fusion of EEG Signals with Convolutional Neural Networks
摘要针对脑电信号(electroencephalogram,EEG)运动想象中单一特征无法多维表征信号中的信息导致的分类准确率不高的问题,提出一种基于样本熵和共空间模式特征融合的特征提取算法.算法先对原始脑电信号进行小波包分解,从中选择包含μ和β节律的分量进行重构,然后分别提取重构信号的样本熵和CSP(common spatial pat-tern,CSP)特征,将两者融合组成新的特征向量,使用所设计的一维卷积神经网络对其进行识别获得分类结果.所提方法在2003年BCI Dataset Ⅲ中获得了91.66%的分类准确率,在2008年BCI Dataset A中获得了85.29%的平均分类准确率.与近年来文献中提出的多特征融合算法相比,准确率提高了7.96个百分点.
更多相关知识
关键词
脑电信号运动想象小波包重构样本熵共空间模式卷积神经网络electroencephalogrammotor imagerywavelet packet transformsample entropycommon spatial patternconvolution neural network
栏目名称
模式识别与人工智能
DOI
10.3778/j.issn.1002-8331.2212-0301
发布时间
2024-04-28
基金项目
国家自然科学基金
- 浏览3
- 被引2
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
