作者:
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:
脑机接口是脑电信号识别的重要研究方向,正确区分脑电信号是将思维意识转化为外围设备具体动作的根本前提.现重点分析了一种基于特征提取模式的脑电信号分类识别方法,致力于有效提升分类的精度.首先利用功率谱模型提取脑电信号的时频特征,并将其作为人工神经网络的样本集及测试集,然后搭建多层反向传播网络,再利用LMS改进算法进行训练,最终得到分类识别结果.经实验证明,该脑电信号识别方法的分类效果良好.
推荐文章
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
基于小波包变换的肌电信号特征提取
小波包变换
特征提取
表面肌电信号
Elman神经网络
麻醉深度监测中脑电信号特征提取方法
麻醉深度
脑电信号
幅频分析
功率谱估计
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 基于特征提取模式的脑电信号分析方式
来源期刊 机电信息 学科
关键词 脑机接口 特征提取 分类 识别 人工神经网络
年,卷(期) 2019,(32) 所属期刊栏目 设计与分析
研究方向 页码范围 163-164
页数 2页 分类号
字数 1193字 语种 中文
DOI
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 牛少杰 宁夏理工学院电气信息工程学院 4 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
脑机接口
特征提取
分类
识别
人工神经网络
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
机电信息
旬刊
1671-0797
32-1628/TM
大16开
南京山西路120号江苏成套大厦12楼
28-285
2001
chi
出版文献量(篇)
19929
总下载数(次)
45
总被引数(次)
30590
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导