基于EMD和Hilbert变换的脑磁信号特征提取和分类

• 作者: 王健锋 黄晓霞
• 来源期刊: 上海海事大学学报
• 关键词: 脑机接口(BCI) 脑磁图(MEG) 经验模式分解(EMD) Hilbert变换 主成分分析 支持向量机(SVM)
• 年，卷（期）: 2014,（3）
• 页码范围: 90-94
• 页数: 5页
• 分类号: TN911|R338
• 语种: 中文
• DOI: 10.13340/j.jsmu.2014.03.017

摘要

为研究通过脑机接口(Brain-Computer Interface,BCI)处理非线性、非稳定性信号问题,针对基于脑磁信号(magnetoencephalography,MEG)的BCI,提出一种基于经验模式分解(Empirical Mode Decomposition,EMD)和Hilbert变换的MEG特征提取和分类方法.该方法首先对MEG数据进行预处理;其次用EMD和Hilbert变换方法提取特征向量;然后用主成分分析法对提取到的特征向量进行降维处理;最后把处理过的特征向量作为支持向量机(Support Vector Machine,SVM)的一个输入向量实现MEG的分类.使用该方法对第4届国际BCI竞赛提供的MEG数据进行分类,实验结果表明可以获得较高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄晓霞	上海海事大学信息工程学院	26	115	5.0	9.0
2	王健锋	上海海事大学信息工程学院	1	4	1.0	1.0