换一批基于CSP算法与小波包分析方法的运动想象脑电信号特征提取性能的比较
The Comparison of EEG Feature Extraction of Motor Imagery between CSP Algorithm and Wavelet Packet Analysis
摘要运动想象脑电特征快速准确提取是脑-机接口技术研究的重要问题.本研究分别讨论了共同空间模式(common spatial pattern, CSP)与小波包分析关于左右手运动想象特征提取的原理,并对两种方法进行了比较.对于GRAZ大学提供的运动想象脑电数据,使用CSP 与支持向量机(support vector machine, SVM)结合的分类正确率最高为85.5%;使用小波包分析与SVM结合的分类正确率最高为99%.同时对于本实验室采用Emotiv epoc+ 系统采集的运动想象脑电数据,利用小波包分析与 SVM结合的分类正确率也保持在98%以上.实验结果表明,相较于CSP算法,小波包分析对于运动想象特征提取的效果更好.
更多相关知识
关键词
小波包分析共同空间模式(CSP)支持向量机(SVM)脑机接口(BCI)运动想象(MI)Wavelet packet analysisCommon space model (CSP)Support vector machines (SVM)Brain computer interface(BCI)Motor imagery(MI)
分类号
R318.04（医用一般科学）
栏目名称
DOI
10.19529/j.cnki.1672-6278.2017.03.07
发布时间
2017-10-12（万方平台首次上网日期，不代表论文的发表时间）
基金项目
山东省科技重大专项资助项目（(2015ZDXX0801A03)）
- 浏览69
- 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
