运动想象脑电信号特征提取与分类算法研究

• 作者: 常天庆 郭理彬 马也
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 小波包熵 支持向量机 脑电信号分类
• 年，卷（期）: 2017,（16）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 149-154
• 页数: 6页
• 分类号: TP391
• 字数: 4096字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1702-0022

摘要

针对运动想象脑电信号特征提取困难,分类正确率低的问题,提出了利用小波熵进行特征提取并采用支持向量机(SVM)来分类的算法.计算运动想象脑电信号的功率,通过理论分析选择小波包尺度,对信号功率进行小波包分解并计算其小波包熵(WPE),提取C3、C4导联的小波包熵插值组成特征向量,将特征向量作为分类器的输入送入支持向量机进行分类.采用国际BCI竞赛2003中的Graz数据进行验证,算法的最高分类正确率达97.56%.算法特征向量维数低、数据量小、分类正确率高,对运动想象脑电信号特征提取及分类的任务可以提供参考方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭理彬	装甲兵工程学院控制工程系	14	46	4.0	6.0
2	常天庆	装甲兵工程学院控制工程系	115	499	11.0	15.0
3	马也	装甲兵工程学院控制工程系	4	11	2.0	3.0