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:
有效的特征提取方法能提高脑机接口(Brain-computer interface, BCI)系统对脑电(Electroencephalogram, EEG)信号的识别率。因脑电信号都是多通道的,本文将分层向量自回归(Hierarchical vector autoregression, HVAR)模型用于脑电信号的特征提取,并结合传统的线性支持向量机(Support vector machine, SVM)用于脑电信号识别。该模型不仅克服了自回归(Autoregression, AR)模型只能用来提取单通道特征的局限性,而且不再采用传统VAR (Vector autoregression)模型所有通道共用一个时滞的处理方法。创新之处在于在传统的VAR 模型基础上添加正则化思想,有效地压缩参数空间,实现合理的分层结构。本文首次将HVAR 模型用于由Keirn等采集并整理的脑电数据中。实验结果证明HVAR 模型在阶数较小的情况下(2阶)与阶数较大(6阶)的AR 模型效果相当,可见低阶的HVAR 能很好地刻画脑电信号的时空关联关系,这说明HVAR可能是刻画EEG信号的一种新颖的方法,这对其他多通道时间序列分析都有借鉴意义。
推荐文章
多通道三维视觉指导运动想象脑电信号特征选择算法
脑机接口
运动想象
脑电信号
特征选择
自适应差分进化
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
基于脑电信号的情感识别研究
脑电信号
情感识别
微分熵
通道选择
遗传算法
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
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 分层向量自回归的多通道脑电信号的特征提取研究
来源期刊 自动化学报 学科
关键词 脑机接口 脑电信号 分层向量自回归模型 特征提取 近邻梯度
年,卷(期) 2016,(8) 所属期刊栏目
研究方向 页码范围 1215-1226
页数 12页 分类号
字数 9834字 语种 中文
DOI 10.16383/j.aas.2016.c150461
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 王金甲 燕山大学信息科学与工程学院 62 399 9.0 18.0
2 陈春 燕山大学信息科学与工程学院 2 21 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (234)
共引文献  (65)
参考文献  (25)
节点文献
引证文献  (12)
同被引文献  (30)
二级引证文献  (24)
1900(1)
  • 参考文献(0)
  • 二级参考文献(1)
1964(1)
  • 参考文献(0)
  • 二级参考文献(1)
1965(1)
  • 参考文献(0)
  • 二级参考文献(1)
1970(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(2)
  • 参考文献(0)
  • 二级参考文献(2)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(4)
  • 参考文献(1)
  • 二级参考文献(3)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(3)
  • 参考文献(1)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(3)
  • 参考文献(1)
  • 二级参考文献(2)
1999(7)
  • 参考文献(0)
  • 二级参考文献(7)
2000(10)
  • 参考文献(0)
  • 二级参考文献(10)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(12)
  • 参考文献(0)
  • 二级参考文献(12)
2004(13)
  • 参考文献(2)
  • 二级参考文献(11)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(30)
  • 参考文献(1)
  • 二级参考文献(29)
2007(14)
  • 参考文献(1)
  • 二级参考文献(13)
2008(21)
  • 参考文献(0)
  • 二级参考文献(21)
2009(19)
  • 参考文献(2)
  • 二级参考文献(17)
2010(23)
  • 参考文献(0)
  • 二级参考文献(23)
2011(36)
  • 参考文献(4)
  • 二级参考文献(32)
2012(16)
  • 参考文献(2)
  • 二级参考文献(14)
2013(7)
  • 参考文献(4)
  • 二级参考文献(3)
2014(4)
  • 参考文献(3)
  • 二级参考文献(1)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(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)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(9)
  • 引证文献(2)
  • 二级引证文献(7)
2019(18)
  • 引证文献(7)
  • 二级引证文献(11)
2020(8)
  • 引证文献(2)
  • 二级引证文献(6)
研究主题发展历程
节点文献
脑机接口
脑电信号
分层向量自回归模型
特征提取
近邻梯度
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
自动化学报
月刊
0254-4156
11-2109/TP
大16开
北京市海淀区中关村东路95号(北京2728信箱)
2-180
1963
chi
出版文献量(篇)
4124
总下载数(次)
26
总被引数(次)
120705
论文1v1指导