10.3969/j.issn.0258-8021.2013.06.01
基于EMD-多尺度熵和ELM的运动想象脑电特征提取和模式识别
运动想象脑电特征是进行动作模式识别进而实现生物反馈技术的重要依据.在对侧躯体运动想象脑电识别方法的基础上,研究单侧躯体不同运动想象模式下的脑电特征提取问题,提出基于EMD-多尺度熵(MSE)的脑电信号瞬态特征提取及定量描述的方法,设计基于极限学习机(ELM)的动作模式识别模型.通过对10名正常受试者在左侧手臂屈、伸动作模式下的运动想象脑电的分析,提取其特征并进行动作识别,结果证实其识别率可以达到90%以上.实验表明:所提出基于EMD-MSE的运动想象EEG特征提取方法,能够定量刻画不同运动模式下脑电信号的多尺度局部瞬态特征;进一步运用基于ELM学习算法的前馈神经网络,可以实现对不同运动模式下脑电EMD-SME特征的有效分类.
单侧运动想象、脑电特征提取、EMD-多尺度熵、极限学习机、运动模式识别
32
R318(医用一般科学)
国家自然科学基金61271142;中国博士后科学基金2011M500539;国家杰出青年科学基金61025019
2014-02-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
641-648