换一批基于MVMDMS-CCA的稳态视觉诱发电位分类算法
Steady-state visual evoked potential classification algorithm based on MVMDMS-CCA
摘要针对脑电图信号的分类问题,考虑其非线性、非稳态的特点,引入多元变分模态分解处理稳态视觉诱发电位(SSVEP)信号,提出模态筛选的新思路,并结合CCA算法,提出一种用于稳态视觉诱发电位的分类算法(MVMDMS-CCA).MVMDMS-CCA方法首先提出用信噪比确定MVMD中的关键参数K值,然后进行MVMD分解,结合MIC方法设定阈值进行模态的筛选,将不满足阈值的模态进行自适应小波去噪,构建新的模态组合,再送入CCA算法,实现SSVEP信号的分类.使用自采的脑电数据集进行验证,在3s的时间窗长下取得93.23%的平均分类正确率,比标准的CCA提升5.78%,比改进的滤波器组CCA提升1.51%.试验结果表明,MVMDMS-CCA有效挖掘脑电信号中的SSVEP成分,同时压制噪声,为SSVEP解码算法的研究提供一种新的思路.
更多相关知识
关键词
多元变分模态分解稳态视觉诱发电位模态筛选典型相关分析multivariate variational mode decompositionsteady-state visual evoked potentialmode selectioncanonical correlation analysis
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.07.014
发布时间
2025-08-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
