10.3969/j.issn.1673-629X.2022.03.026
基于排列熵和CSP融合的脑电信号特征提取
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μ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(DataSetⅢ)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.
运动想象、离散小波变换、排列熵、共空间模式、支持向量机
32
TP391(计算技术、计算机技术)
国家自然科学基金61601206
2022-04-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
157-162,168