基于HCSP和模糊熵的脑电信号分类

摘要：

针对共同空间模式特征提取算法(CSP)不能对频域信息进行处理,且在导联数较少的情况下应用效果不佳的问题,提出将希尔伯特黄变换(HHT)与CSP相结合的算法.在原始脑电信号经过经验模态分解(EMD)后,提取每个导联的前三阶固有模态函数(IMF)及其组合重构信号,利用CSP特征提取,获取2维特征,联合计算信号的自回归模型参数(AR)和模糊熵组成融合特征向量,采用线性判别分类器对提取的特征进行分类.对第二届BCI竞赛提供的数据使用该方法进行特征提取,训练集和测试集分类准确率分别达到90％0、88.6％,验证了该算法可有效改善运动想象辨识效果.

关键词：脑电信号、共同空间模式、希尔伯特黄变换、自回归模型、模糊熵、特征提取

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省自然科学基金项目BK20151273;江苏省南通市科技计划基金项目GY12015015

在线出版日期：2018-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：557-562