基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对现有的采用单一的特征提取算法对运动想象脑电信号识别率不高的问题,提出一种结合小波变换和样本熵的特征提取方法.通过小波变换,把脑电信号进行3层分解,抽取出对应于脑电β节律频带的小波系数的能量均值和能量均值差,并结合脑电信号的样本熵组成特征向量,使用支持向量机分类器对左右手运动想象脑电信号进行分类.结果表明,结合小波变换和样本熵的特征提取方法明显优于仅采用小波变换、样本熵以及其他传统的特征提取方法,得到的最高正确识别率为91.43%.
推荐文章
基于改进小波包与样本熵的表面肌电信号特征提取
肌电信号
小波
小波包
样本熵
特征提取
结合小波包和ICA的脑电信号特征波提取方法
小波包
独立分量分析
特征提取
脑电信号
基于小波包变换的肌电信号特征提取
小波包变换
特征提取
表面肌电信号
Elman神经网络
基于小波-共空间模式的脑电信号特征提取
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
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 脑电信号的小波变换和样本熵特征提取方法
来源期刊 智能系统学报 学科 医学
关键词 脑电信号 样本熵 小波变换 支持向量机 特征提取
年,卷(期) 2012,(4) 所属期刊栏目
研究方向 页码范围 339-344
页数 6页 分类号 TP18|R318
字数 3614字 语种 中文
DOI 10.3969/j.issn.1673-4785.201204027
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 罗元 重庆邮电大学光电工程学院 192 1681 17.0 31.0
2 张毅 重庆邮电大学自动化学院 281 2390 21.0 36.0
3 罗明伟 重庆邮电大学自动化学院 6 113 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (95)
共引文献  (86)
参考文献  (12)
节点文献
引证文献  (58)
同被引文献  (100)
二级引证文献  (52)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(12)
  • 参考文献(1)
  • 二级参考文献(11)
2001(6)
  • 参考文献(1)
  • 二级参考文献(5)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(11)
  • 参考文献(0)
  • 二级参考文献(11)
2004(21)
  • 参考文献(0)
  • 二级参考文献(21)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(15)
  • 参考文献(0)
  • 二级参考文献(15)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(4)
  • 参考文献(2)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(5)
  • 参考文献(5)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(6)
  • 引证文献(5)
  • 二级引证文献(1)
2014(13)
  • 引证文献(10)
  • 二级引证文献(3)
2015(10)
  • 引证文献(6)
  • 二级引证文献(4)
2016(23)
  • 引证文献(14)
  • 二级引证文献(9)
2017(14)
  • 引证文献(7)
  • 二级引证文献(7)
2018(15)
  • 引证文献(7)
  • 二级引证文献(8)
2019(24)
  • 引证文献(9)
  • 二级引证文献(15)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
脑电信号
样本熵
小波变换
支持向量机
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
智能系统学报
双月刊
1673-4785
23-1538/TP
大16开
哈尔滨市南岗区南通大街145-1号楼
2006
chi
出版文献量(篇)
2770
总下载数(次)
11
总被引数(次)
12401
论文1v1指导