如需要完整文档点击下方 "点击下载文档" 按钮

脑电信号( EEG) 是一种在医学领域应用非常广泛的生物电信号。 单一的特征提取方法不能够多方面表示脑电信号特征,从而会给不同意识任务下运动想象脑电信号的分类带来一定困难。 对此,提出一种基于离散小波变换( DWT) 、排列熵(PE) 和共空间模式算法( CSP) 的特征提取方法( DWT-PECSP)。 首先,采用 db4 小波基对原始脑电信号进行 3 层小波分解,根据左右手运动想象所处的频段重构出包含?? 节律(8 Hz-12 Hz)和?β 节律(18 Hz-26 Hz) 的频段信号;然后,分别计算出该频段信号的排列熵值和 CSP 方差作为特征量,并将这两组特征量进行组合;最后,将组合后的特征量输入到支持向量机( SVM) 中进行分类识别。 实验结果表明,该算法在 2003 年脑机接口竞赛的标准数据集( DataSet III) 分类上获得了较高的分类准确率(91. 43% ) ,均高于单一提取排列熵特征的准确率(71. 42% ) 和 CSP 方差特征的准确率(85. 71% ) 。通过对比近年来其他文献的特征提取方法,验证了 DWT-PECSP 算法能够更有效地提取运动想象脑电特征。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于排列熵和 CSP 融合的脑电信号特征提取》

将 完整文档 下载到本地，方便收藏和查阅

文件号：058935

点击下载文档