基于小波-共空间模式的脑电信号特征提取

摘要：

提出一种粒子群算法(PSO)优化共同空间模式(CSP),结合离散小波变换(DWT)的特征提取算法(DWT-PSO-CSP).使用离散小波变换(DWT)系数均值、方差、能量均值作为时频特征,PSO-CSP算法优化频带作为CSP滤波器输入,得到最优频带的空域特征,即选取脑电信号(EEG)的最优频带.采用串行特征融合策略将二者融合为新的特征,输入支持向量机(C-SVM)分类器.使用BCI2005desc_IIIa中四类运动想象数据进行分类仿真研究,分类正确率最高达到91.25％.仿真结果表明该方法提高了分类器泛化能力,验证了该方法的有效性和实用性.

关键词：脑电信号、粒子群算法、共同空间模式、离散小波变换、能量均值、支持向量机

所属期刊栏目：41

分类号：TN399-34(半导体技术)

资助基金：江苏省科技支撑计划项目社会发展BEK2013671

在线出版日期：2018-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：53-57