基于样本熵和模式识别的脑电信号识别算法研究

• 作者: 沈晓燕 王燕 王雪梅
• 来源期刊: 计算机工程与科学
• 学科: 医学
• 关键词: 样本熵 特征提取 BP神经网络 模式识别
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1482-1488
• 页数: 7页
• 分类号: R318
• 字数: 4053字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.08.019

摘要

脑-机接口BCI是一种实现人脑和外部设备通信的新兴技术.基于时频特性进行特征提取的传统方法无法体现EEG信号的非线性特征.为了进一步提高分类的准确率,首先采用小波阈值降噪的预处理方法提高了EEG信号的信噪比.然后结合非线性动力学的样本熵参数,对3种想象运动的脑电信号进行特征提取,保留了脑电信号的非线性特征.其中,运动想象M I脑电信号的研究一直都是BCI这一高速发展领域的重点目标.还研究了支持向量机、LVQ神经网络和BP神经网络3种分类器.通过实验结果对比发现,BP神经网络具有较高的识别率,更适用于脑电信号的分类识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈晓燕	南通大学信息科学技术学院	33	77	4.0	7.0
5	王燕	南通大学信息科学技术学院	55	183	7.0	10.0
6	王雪梅	南通大学信息科学技术学院	2	1	1.0	1.0