换一批基于EMD-多尺度熵和ELM的运动想象脑电特征提取和模式识别
Feature Extraction and Recognition of Motor Imagery EEG Based on EMD-Multiscale Entropy and Extreme Learning Machine
摘要运动想象脑电特征是进行动作模式识别进而实现生物反馈技术的重要依据.在对侧躯体运动想象脑电识别方法的基础上,研究单侧躯体不同运动想象模式下的脑电特征提取问题,提出基于EMD-多尺度熵(MSE)的脑电信号瞬态特征提取及定量描述的方法,设计基于极限学习机(ELM)的动作模式识别模型.通过对10名正常受试者在左侧手臂屈、伸动作模式下的运动想象脑电的分析,提取其特征并进行动作识别,结果证实其识别率可以达到90％以上.实验表明:所提出基于EMD-MSE的运动想象EEG特征提取方法,能够定量刻画不同运动模式下脑电信号的多尺度局部瞬态特征;进一步运用基于ELM学习算法的前馈神经网络,可以实现对不同运动模式下脑电EMD-SME特征的有效分类.
更多相关知识
关键词
单侧运动想象脑电特征提取EMD-多尺度熵极限学习机运动模式识别unilateral motor imageryfeature extraction of EEGEMD-MSEextreme learning machinepattern recognition
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2013.06.01
发布时间
2014-02-14（万方平台首次上网日期，不代表论文的发表时间）
- 浏览338
- 被引29
- 下载30
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
