基于小波包和共同空间模型的运动想象脑电信号特征提取算法

• 作者: 高枫 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 共同空间模型 支持向量机 脑机接口 运动想象 特征提取
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 论著
• 页码范围: 393-396,409
• 页数: 5页
• 分类号: R318
• 字数: 3344字
• 语种: 中文
• DOI: 10.19529/j.cnki.1672-6278.2019.04.03

摘要

脑-机接口(brain-computer interface,BCI)为无法进行交流的人们提供了一种新的交流方式.传统的基于频率特征的脑电信号(electroencephalogram,EEG)特征提取方法只提取每个通道的能量特征,而忽略了不同通道之间的相关性信息.为了获得更好的特征提取结果,本研究采用了基于小波包和共同空间模型(common space pattern,CSP)的脑电信号特征提取方法.首先,在利用小波包对脑电信号分解前,对相关通道和频带进行辨别,提取运动想象脑电μ律和β节律,然后利用CSP算法进行空间滤波提取特征,选取相关节点计算小波包能量,最后通过支持向量机(support vector machine,SVM)将脑电信号分为左右手两种特征.为了验证本研究算法的可行性与有效性,在BCI竞赛数据集上进行了相应的实验,分类结果表明,所提出的特征提取算法能够有效提取运动想象特征,具有较高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高诺	山东建筑大学信息与电气工程学院	14	86	5.0	9.0
2	高枫	山东建筑大学信息与电气工程学院	2	0	0.0	0.0
3	鲁昊	山东建筑大学信息与电气工程学院	3	11	1.0	3.0