换一批摘要针对传统时频分析方法处理运动想象脑电信号时存在时频分辨率差和分类正确率低的问题,提出一种基于小波包变换(WPT)并优化连续小波变换(CWT)的特征提取算法.对原始信号进行 4 层小波包分解,提取与运动想象执行时事件相关同步/去同步(ERD/ERS)显著频段的小波能量特征,重构该频段数据作为CWT的输入数据,利用CWT得到最优时段下的时频特征,通过支持向量机(SVM)对提取的特征集进行分类,对比验证单特征与融合特征在整个时段和最优时段的平均识别率.在BCI Competition Ⅱ的Data Ⅲ数据集中,该方法在最优时段的平均识别率为 89.04％,最高识别率达到 91.68％,验证了小波包融合 CWT 特征提取算法的有效性.
更多相关知识
关键词
运动想象脑电信号小波包变换连续小波变换支持向量机motion imageryelectroencephalogram(EEG)wavelet packet transformcontinuous wavelet transformsupport vector machine
栏目名称
DOI
10.3969/j.issn.1674-5043.2024.03.008
发布时间
2024-10-10（万方平台首次上网日期，不代表论文的发表时间）
基金项目
安徽省重点研究与开发计划项目（2022i01020015）
安徽理工大学医学专项培育项目（YZ2023H2B013）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
