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:
针对共空间模式算法运用于运动想象脑电信号特征提取分类正确率低、计算实时性差等问题,提出运用S变换结合共空间模式算法对脑电信号进行特征提取方法.经过S变换后的信号具有更加明显的时、频、相特征,再运用共空间模式算法提取特定任务信号成分的特征,最后用支持向量机进行分类.实验结果表明:在S变换采样数较多的情况下,平均正确率达到92.8%,大大超过单纯使用共空间模式算法的正确率.如果降低S变换的采样率,系统实时性得到大幅提升,平均运行时间仅为0.85 s,平均分类正确率可达89.8%,比仅运用共空间模式算法的运行时间缩短30.9%.可见,不仅可提高运动想象脑电信号的分类正确率,还可以提高分类的实时性.
推荐文章
基于小波一共空间模式的多类想象运动诱发脑电特征提取
运动想象
小波变换
共空间模式
特征提取
诱发脑电
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
多类运动想象脑电信号特征提取与分类
脑电信号
小波包方差
小波包熵
共同空间模式
特征提取
支持向量机
基于空间频率与时间序列信息的多类运动想象脑电分类
脑电信号
运动想象
特征提取
共同空间模式
离散小波变换
长短期记忆网络
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S变换和共空间模式的运动想象脑电特征提取
来源期刊 科学技术与工程 学科 医学
关键词 脑电波 运动想象 S变换 共空间模式 支持向量机
年,卷(期) 2018,(23) 所属期刊栏目 论文
研究方向 页码范围 14-20
页数 7页 分类号 R318.04
字数 6217字 语种 中文
DOI 10.3969/j.issn.1671-1815.2018.23.003
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 张学军 南京邮电大学电子与光学工程学院 58 778 13.0 26.0
5 黄婉露 南京邮电大学电子与光学工程学院 5 20 2.0 4.0
6 张文亮 南京邮电大学电子与光学工程学院 1 2 1.0 1.0
7 林彬 南京邮电大学电子与光学工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (59)
参考文献  (15)
节点文献
引证文献  (2)
同被引文献  (9)
二级引证文献  (0)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(6)
  • 参考文献(6)
  • 二级参考文献(0)
2018(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)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
脑电波
运动想象
S变换
共空间模式
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
科学技术与工程
旬刊
1671-1815
11-4688/T
大16开
北京市海淀区学院南路86号
2-734
2001
chi
出版文献量(篇)
30642
总下载数(次)
83
总被引数(次)
113906
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导