EEG信号识别中可调优化Q因子小波变换的多特征融合算法
EEG信号对脑部疾病诊断具有重要意义,但其特征选择对信号识别准确率影响较大.针对这个问题,本文基于Q因子小波变换,提出一种可调优化Q因子小波变换融合多维特征的脑电信号识别(Ad-TQWTMF)算法.该算法首先根据小波分解后的子带信号定义能量香农熵比,用其作为可调Q因子小波的优化评价标准;再融合变换后信号的时域,频域和非线性特征,通过自适应特征选择方法构建特征子空间;最后在该特征子空间下对脑电信号进行识别.在BCI脑电竞赛数据集Dataset-Ⅲ,O3VR,X11b和S4b进行了实验,实验结果表明:Ad-TQWT MF算法在LDA分类器中精度为89.2%,81.2%,83.2%和85.6%,相比于原Q因子小波变换,冗余特征减少10%~30%,相较于Haar和Db_4小波精度提高3%~5%,证明了Ad-TQWT MF算法的有效性.
EEG信号、可调Q因子小波变换、能量香农熵比、特征选择
39
TP391.41;TN911.73;TP212
国家自然科学基金61772013
2023-03-28(万方平台首次上网日期,不代表论文的发表时间)
共11页
2302-2312