换一批摘要对运动想象脑电信号(EEG)分类识别是脑-机接口(BCI)研究领域的重要问题.本文通过经验模式分解(EMD)将EEG分解为一系列内蕴模式函数(IMF),并对重要IMF的瞬时幅度提取AR模型参数,同时对所有的IMF进行Hilbert变换(HT)得到Hilbert谱,进而求得瞬时能量(IE).将得到的AR参数和IE,结合时域均值和中值绝对偏差估计(MAD),组成初始特征,然后利用经遗传算法(GA)优化的支持向量机(SVM)进行分类,得到识别结果.对2008年BCI Competition Ⅳ Dataset 1中想象左手和脚运动的两组数据进行识别,在仪仅使用少数通道的情况下,识别正确率分别达到84.7%和85.8%,初步验证了该方法的有效性.
更多相关知识
关键词
Hilbert-Huang变换(HHT)遗传算法(GA)支持向量机(SVM)运动想象分类识别Hilbert-Huang transform(HHT)genetic algorithm(GA)support vector machine(SVM)move-ment imageryclassification
栏目名称
发布时间
2010-05-24（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（60975079）
:机器人技术与系统国家重点实验室开放研究项目
- 浏览6
- 被引79
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
