基于分数阶傅里叶变换和RVM的运动想象脑电信号分类方法

• 作者: 詹宏锋
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 脑电信号分类 特征提取 分数阶傅里叶变换 相关向量机
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 146-153
• 页数: 8页
• 分类号: TP3
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.11.025

摘要

提出一种基于分数阶傅里叶变换(Fractional Fourier Transform,FRFT)和相关向量机(Relevance Vector Machine,RVM)的运动想象脑电信号分类方法.利用不同阶次的FRFT将脑电信号转换至分数域,在分数域提取44维分数阶特征,充分扩展特征域的同时尽可能多地从不同维度提取信号中的有用信息.利用RVM分类器进行特征选择和分类识别,在自动确定最优分类特征的同时获得理想的分类结果.基于国际BCI竞赛2003中Graz数据的实验结果表明,该方法可以获得97.51％的正确识别率,并且具有较强的泛化能力和噪声稳健性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	詹宏锋		8	6	1.0	2.0