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:
运动想象脑电信号的特征提取对脑-机接口研究者是一大难题.针对该问题,介绍了一种相位同步和AR模型系数相结合的特征提取方法.该方法对采集的脑电信号进行Hilbert变换计算脑电信号的相位同步特征,选用Burg算法对滤波后的脑电信号进行AR模型谱估计,比较6阶和8阶功率谱密度,求出AR模型的系数为6.采用支持向量机对两种特征组合的14维特征向量进行分类.分类结果显示在Trail的3s~7s期间,相位同步与AR模型系数相结合的特征提取平均分类正确率为82.58%,最高分类正确率达到了88.96%,优于传统的小波变换和共空域模式特征提取方法.实验结果也表明相位同步特征提取的最佳时间为Trail的3s~7s期间,该方法为BCI研究运动想象脑电信号的分类识别提供了有效手段.
推荐文章
四类运动想象脑电信号的特征提取与分类
运动想象
频带能量
共同空间模式
支持向量机
运动想象脑电信号的特征提取和分类进展
脑机接口
运动想象脑电信号
特征提取
分类器
基于小波包能量的脑电信号特征提取方法
脑机接口
运动想象
小波包变换
运动想象脑电信号特征提取与分类算法研究
小波包熵
支持向量机
脑电信号分类
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 基于相位同步与AR的运动想象脑电信号特征提取研究
来源期刊 软件导刊 学科 工学
关键词 运动想象 脑电信号 相位同步 AR模型 频带能量特征 支持向量机
年,卷(期) 2018,(3) 所属期刊栏目 人工智能
研究方向 页码范围 7-10
页数 4页 分类号 TP301
字数 3781字 语种 中文
DOI 10.11907/rjdk.172526
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 李松 昆明理工大学信息工程与自动化学院 7 39 3.0 6.0
2 刘琳琳 昆明理工大学信息工程与自动化学院 1 1 1.0 1.0
3 陈健 昆明理工大学信息工程与自动化学院 5 31 4.0 5.0
4 许丽 昆明理工大学信息工程与自动化学院 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (88)
参考文献  (12)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(4)
  • 参考文献(2)
  • 二级参考文献(2)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
运动想象
脑电信号
相位同步
AR模型
频带能量特征
支持向量机
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
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导