基于EMD和LVQ的信号特征提取及分类方法

发布时间：2018-04-22 20:33

  本文选题：经验模式分解 + 学习向量量化神经网络　； 参考：《数据采集与处理》2014年05期

【摘要】：针对非平稳、非线性、微弱信号难以分析和处理的特点,本文提出了一种基于经验模式分解和学习向量量化神经网络的信号处理和分类方法,并在生物信号处理领域(左、右手运动想象的脑电信号)进行了研究和应用。首先通过经验模式分解算法对脑电信号分解,然后选取主要固有模态函数分量并计算其绝对均值作为特征值,最后使用学习向量量化网络进行分类,并分别与支持向量机和误差反向传播神经网络分类算法进行了对比研究。实验结果表明,所提出的算法分类正确率达到了87%,相比于其余两种对比算法在特定的信号处理领域优越,具有一定的参考和研究价值。
[Abstract]:This paper presents a signal processing and classification method based on empirical mode decomposition and learning vector quantization neural network, aiming at the characteristics of non-stationary, nonlinear and weak signals that are difficult to analyze and process, and in the field of biological signal processing (left). The right hand movement imagines the EEG signal to carry on the research and the application. Firstly, the EEG signal is decomposed by empirical mode decomposition algorithm, then the components of the main inherent mode functions are selected and the absolute mean value is calculated as the eigenvalue. Finally, the learning vector quantization network is used to classify the EEG signals. The classification algorithms are compared with support vector machine and error back propagation neural network. The experimental results show that the classification accuracy of the proposed algorithm is 87, which is superior to the other two contrast algorithms in the specific signal processing field, and has certain reference and research value.
【作者单位】： 昆明理工大学信息工程与自动化学院;成都工业学院电气与电子工程系;
【基金】：四川省应用基础研究计划(2013SZZ026)资助项目 四川省教育厅重点(2013SZA0153)资助项目
【分类号】：TN911.7

【参考文献】

相关期刊论文 前4条

1 段明秀;何迎生;;基于LVQ神经网络的手写字母识别[J];吉首大学学报(自然科学版);2010年02期

2 应基光;王行愚;;基于EMD的左右手运动想象脑电信号分析研究[J];生物医学工程学进展;2009年03期

3 马丽红,张宇,余英林;基于改进视网膜抽样模型的人脸检测混合方法[J];数据采集与处理;2002年01期

4 余志斌;金炜东;陈春霞;张葛祥;;基于EMD分解的BPSK信号编码序列识别算法[J];数据采集与处理;2009年01期

【共引文献】

相关期刊论文 前10条

1 叶晓波;王松;;贝叶斯分类与LVQ神经网络分类性能对比研究[J];电脑与信息技术;2013年04期

2 田银;李沛洋;徐鹏;;基于AdaBoost的脑机接口分类算法研究[J];电子科技大学学报;2013年05期

3 冯正直;张睿;;军事认知神经科学研究进展[J];第三军医大学学报;2013年20期

4 黄志华;;脑机接口的MapReduce计算模型[J];福州大学学报(自然科学版);2013年06期

5 张毅;刘毅坚;罗元;;一种基于参数优化C-SVM的脑电信号分类方法及应用[J];重庆邮电大学学报(自然科学版);2014年01期

6 乔晓艳;彭佳卉;;基于少次相干平均和样本熵的视听诱发脑电特征提取[J];测试技术学报;2014年03期

7 余炜;万代立;杨喜敬;周娅;;改进的FCM算法及其在脑电信号处理中的应用[J];重庆大学学报;2014年06期

8 王江;张惠源;李芳;张兵文;李鹏;;脑机接口中半监督学习算法研究[J];电子测量技术;2014年05期

9 苑惠娟;孙樵;于晓洋;;LVQ神经网络在三维物体识别中的应用[J];哈尔滨理工大学学报;2011年05期

10 吕明久;周铭;韩俊;邓静;;一种低信噪比二相编码信号时频分析方法[J];雷达科学与技术;2010年06期

相关会议论文 前5条

1 张少白;陈悦;;脑皮层信号ECoG在脑机接口中的应用研究[A];第25届中国控制与决策会议论文集[C];2013年

2 王冠坤;金晶;王行愚;;Target to efficient stimulus presentation sequence for P300 BCI[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

3 Yu Zhang;Jing Jin;Bei Wang;Xingyu Wang;;Shrinkage Common Spatial Pattern for Feature Extraction in Brain-Computer Interface[A];2013年中国智能自动化学术会议论文集（第二分册）[C];2013年

4 Chong Liu;Hong Wang;Zhiguo Lu;;EEG Classification for Multiclass Motor Imagery BCI[A];第25届中国控制与决策会议论文集[C];2013年

5 Xiangzhou Wang;An Wang;Shuhua Zheng;Yingzi Lin;Mingxin Yu;;A Multiple Autocorrelation Analysis Method for Motor Imagery EEG Feature Extraction[A];第26届中国控制与决策会议论文集[C];2014年

相关博士学位论文 前9条

1 邵平;复杂背景下快速多姿态人脸检测研究[D];中南大学;2007年

2 赵均榜;稳态视觉诱发电位的注意机制及其在脑机接口的应用[D];浙江大学;2012年

3 余天佑;多模态与多自由度脑机接口研究[D];华南理工大学;2013年

4 梁静坤;基于想象驾驶行为的脑电信号分析与脑机接口研究[D];河北工业大学;2012年

5 张杨松;基于稳态视觉诱发电位的脑机制及脑—机接口研究[D];电子科技大学;2013年

6 夏战国;基于高斯过程的提升机轴承性能评测方法研究[D];中国矿业大学;2013年

7 廖玉玺;植入式脑机接口神经元锋电位的时变特征分析与解码研究[D];浙江大学;2014年

8 方永慧;基于运动想象脑电信号非线性特性分析的脑—机接口研究[D];重庆大学;2014年

9 潘家辉;基于P300和SSVEP的高性能脑机接口及其应用研究[D];华南理工大学;2014年

相关硕士学位论文 前10条

1 詹勋昌;基于网格的神经网络计算平台研究与应用[D];华南理工大学;2011年

2 张志慧;运动想象脑电的节律分析方法研究[D];燕山大学;2012年

3 郑佳宁;局域均值分解算法研究及其应用[D];西安电子科技大学;2012年

4 王东洋;基于运动想象的脑电信号识别算法的研究[D];华东理工大学;2013年

5 袁道任;基于多模态脑电信号的脑机接口关键技术研究[D];郑州大学;2013年

6 周旭;基于LVQ神经网络的脱机手写数字识别研究[D];长沙理工大学;2013年

7 胡凯;基于运动想象的在线脑机接口的初步研究[D];西安电子科技大学;2013年

8 柏雪;复杂数字系统建模及仿真实现技术研究[D];华南理工大学;2013年

9 周巍;L1范数最小化算法及应用[D];华南理工大学;2013年

10 胡友盼;脑电信号的运动想象特征提取与识别算法研究[D];华南理工大学;2013年

【二级参考文献】

相关期刊论文 前9条

1 徐宝国;宋爱国;;单次运动想象脑电的特征提取和分类[J];东南大学学报(自然科学版);2007年04期

2 魏跃敏,黄知涛,王丰华,姜文利;一种PSK信号相位编码调制规律分析方法[J];电子对抗技术;2005年04期

3 金晶;王行愚;张秀;;基于能量特征的左右手运动想象脑信号的识别方法[J];华东理工大学学报(自然科学版);2007年04期

4 陈昌孝;何明浩;秦江敏;韩俊;;低信噪比下相位编码信号脉内特征提取新方法[J];航天电子对抗;2007年02期

5 陈海忠;朱伟强;;雷达相位编码信号的脉内调制特征分析[J];舰船电子对抗;2006年02期

6 冯乃勤;南书坡;郭战杰;;对学习矢量量化神经网络中“死”点问题的研究[J];计算机工程与应用;2009年04期

7 曹俊纺;陈建军;宋虎;;雷达信号脉内细微特征参数分析[J];雷达与对抗;2006年01期

8 张葛祥;荣海娜;金炜东;;支持向量机在雷达辐射源信号识别中的应用[J];西南交通大学学报;2006年01期

9 黄知涛,周一宇,姜文利;一种相位编码序列恢复方法[J];信号处理;2002年02期

相关硕士学位论文 前1条

1 李永江;基于LVQ神经网络的手写英文字母识别[D];广东工业大学;2008年

【相似文献】

相关期刊论文 前10条

1 黄翠玲;陈新;;脑电信号采集与管理系统的设计与实现[J];计算机与数字工程;2008年09期

2 梅村，何育芬;脑电信号的自适应分段和分类存档[J];北京邮电大学学报;1994年01期

3 梅村，，张玉艳，娄瑜;脑电信号的压缩与恢复[J];北京邮电大学学报;1995年04期

4 沈民奋,黎展程,孙丽莎;小波包熵在脑电信号分析中的应用[J];数据采集与处理;2005年01期

5 唐艳;汤井田;;基于支持向量机的脑电信号中左右手判别[J];计算机工程与应用;2007年34期

6 李亚杰;宋明星;张玉栋;;脑电信号采集系统的设计[J];河北建筑工程学院学报;2014年01期

7 周红标;陈若珠;李军红;;基于小波包变换的癫痫脑电信号特征提取[J];电子测量技术;2009年10期

8 吴婷;颜国正;杨帮华;;一种快速的脑电信号特征提取与分类方法[J];系统仿真学报;2007年18期

9 周卫东，张敏琼，赵仕忠，马保福，熊伟，高杰;脑电信号反馈控制装置的设计[J];山东电子;1995年03期

10 吴芝芳,孔兰,郑旭媛,李军,陈世峻,陶华英;提取脑电信号的新方法研究─—自适应卡尔曼滤波[J];信号处理;1994年04期

相关会议论文 前10条

1 薛蕴全;王秋英;王宏;;脑电信号的动态时空响应拓扑图[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

2 王裕清;粱平;郭付清;张登攀;;脑电信号诊断专家系统的研究[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

3 朱林剑;包海涛;孙守林;梁丰;;新型脑电信号采集方法与应用研究[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

4 许涛;朱林剑;包海涛;;基于思维脑电信号的假手的研究[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

5 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年

6 童珊;黄华;陈槐卿;;混沌理论在脑电信号分析中的应用[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

7 李凌;曾庆宁;尧德中;;利用两级抗交叉串扰自适应滤波器提取诱发脑电信号[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

8 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

9 李丽君;黄思娟;吴效明;熊冬生;;基于运动想象的脑电信号特征提取与分类[A];中国仪器仪表学会医疗仪器分会2010两岸四地生物医学工程学术年会论文集[C];2010年

10 葛家怡;周鹏;王明时;;睡眠脑电信号样本熵的研究[A];天津市生物医学工程学会2007年学术年会论文摘要集[C];2007年

相关重要报纸文章 前1条

1 张文清　记者 王春;意念控制车速及左右转弯前行[N];科技日报;2008年

相关博士学位论文 前10条

1 吴畏;基于统计建模的多导联脑电信号时空建模方法研究[D];清华大学;2012年

2 周群;脑电信号同步：方法及应用研究[D];电子科技大学;2009年

3 赵丽;基于脑电信号的脑-机接口技术研究[D];天津大学;2004年

4 欧阳高翔;癫痫脑电信号的非线性特征识别与分析[D];燕山大学;2010年

5 缪晓波;基于脑电信号的认知动力学系统研究——线性/非线性方法及动态时—频—空分析[D];重庆大学;2004年

6 张美云;阿尔茨海默病脑电信号多尺度时空定量特征研究[D];天津医科大学;2012年

7 游荣义;脑电信号非线性分析方法的研究[D];厦门大学;2003年

8 葛家怡;睡眠分期及低频磁场睡眠诱导的研究[D];天津大学;2009年

9 唐艳;基于时间、频率和空间域的自发脑电信号提取[D];中南大学;2008年

10 石立臣;基于脑电信号的警觉度估计研究[D];上海交通大学;2012年

相关硕士学位论文 前10条

1 吴坚;独立分量分析在脑电信号处理中的应用[D];长安大学;2009年

2 杨超;脑电信号相关方法的鲁棒性分析[D];燕山大学;2009年

3 涂建成;脑电信号控制智能轮椅的研究[D];杭州电子科技大学;2011年

4 张倩华;脑电信号的非广度熵分析[D];汕头大学;2004年

5 朱家富;高频脑电信号的非线性动力学参数分析[D];重庆大学;2004年

6 李婷;独立分量分析及其在脑电信号噪声分离中的应用[D];大连理工大学;2005年

7 韩伟;睡眠脑电信号的分析与处理方法[D];西北工业大学;2005年

8 何付志;独立分量分析在脑电信号分析中的应用[D];山东大学;2005年

9 孔繁伟;基于小波变换的脑电信号处理研究[D];山东大学;2005年

10 陈永华;脑电信号采集方法及其在假肢中应用研究[D];大连理工大学;2006年

本文编号：1788821