基于CSP算法与小波包分析方法的运动想象脑电信号特征提取性能的比较

• 作者: 吴林彦 王涛 高诺 鲁昊
• 来源期刊: 生物医学工程研究
• 学科: 医学
• 关键词: 小波包分析 共同空间模式(CSP) 支持向量机(SVM) 脑机接口(BCI) 运动想象(MI)
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 论著
• 页码范围: 224-228
• 页数: 5页
• 分类号: R318.04
• 字数: 4087字
• 语种: 中文
• DOI: 10.19529/j.cnki.1672-6278.2017.03.07

摘要

运动想象脑电特征快速准确提取是脑-机接口技术研究的重要问题.本研究分别讨论了共同空间模式(common spatial pattern, CSP)与小波包分析关于左右手运动想象特征提取的原理,并对两种方法进行了比较.对于GRAZ大学提供的运动想象脑电数据,使用CSP 与支持向量机(support vector machine, SVM)结合的分类正确率最高为85.5%;使用小波包分析与SVM结合的分类正确率最高为99%.同时对于本实验室采用Emotiv epoc+ 系统采集的运动想象脑电数据,利用小波包分析与 SVM结合的分类正确率也保持在98%以上.实验结果表明,相较于CSP算法,小波包分析对于运动想象特征提取的效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王涛	山东建筑大学信息与电气工程学院	40	173	7.0	11.0
2	高诺	山东建筑大学信息与电气工程学院	14	86	5.0	9.0
3	吴林彦	山东建筑大学信息与电气工程学院	6	20	3.0	4.0
4	鲁昊	山东建筑大学信息与电气工程学院	3	11	1.0	3.0