基于NA-MEMD和互信息的脑电特征提取方法

• 作者: 佘青山 罗志增 韩笑 高云园
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 脑电信号 噪声辅助多变量经验模式分解 互信息 共同空间模式
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 传感器研究
• 页码范围: 1140-1148
• 页数: 9页
• 分类号: TP391
• 字数: 6031字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2016.08.003

摘要

多变量经验模式分解（MEMD）方法不需要根据先验知识选取基函数，能同时对多通道数据进行自适应分解，适合于分析具有高度相关性和非平稳性的脑电信号。为了判别包含有用信息的内蕴模式函数（IMFs），提出一种基于噪声辅助多变量经验模式分解（NA-MEMD）和互信息的方法，并用于脑电特征提取。首先使用NA-MEMD算法对多通道信号进行分解得到多尺度IMF分量，然后采用互信息法分别计算各尺度上信号与其IMF分量、噪声与其IMF分量、信号IMF分量与噪声IMF分量之间的相关性，接着根据敏感因子筛选包含有用信息的IMF分量，将其叠加得到对应的重构信号，最后采用共同空间模式（CSP）法对重构信号进行特征提取，再用支持向量机（SVM）实现分类。使用仿真数据和实际数据集BCI Competition IV Data Set 1进行测试，与现有的其他方法比较，验证了所提方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗志增	杭州电子科技大学智能控制与机器人研究所	164	2539	28.0	39.0
2	佘青山	杭州电子科技大学智能控制与机器人研究所	38	366	11.0	18.0
3	高云园	杭州电子科技大学智能控制与机器人研究所	23	198	8.0	13.0
4	韩笑	杭州电子科技大学智能控制与机器人研究所	2	18	2.0	2.0