换一批摘要针对运动想象脑电信号的分类识别，提出一种基于小波变换和共空间模式滤波的方法进行特征提取。对 EEG 进行3层小波分解，提取相关层数小波系数的特征量；同时利用共空间模式对 EEG 进行空间滤波，提取其转换后信号的方差作为特征量，并将这两类特征量进行组合。该方法结合了时频域和空间域的特征信息，可提高分类识别的效果。最后选取 BCI2003中 Data set Ⅲ数据作为样本，分别用极限学习机和基于粒子群算法的支持向量机进行分类识别。实验结果表明极限学习机分类学习时间较快，最优识别率为94．2857％，证明了该方法更适用于脑机接口系统。
更多相关知识
关键词
运动想象小波变换共空间模式支持向量机极限学习机Motor imageryWavelet TransformCommon spatial patternsSupport vector machineExtreme learning machine
栏目名称
DOI
10.3969/j.issn.1000-386x.2016.10.041
发布时间
2016-12-16（万方平台首次上网日期，不代表论文的发表时间）
基金项目
浙江省自然科学基金（LY12F03013）
十二五浙江省高校重中之重学科－仪器科学与技术学生开放实验项目（JL150527）
- 浏览1
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
