Hilbert-Huang变换在情感脑电特征提取中的应用

发布时间：2018-06-05 04:19

  本文选题：希尔伯特-黄变换 + 情感　； 参考：《计算机工程与设计》2014年07期

【摘要】：为验证希尔伯特-黄变换是否适用于分析情感脑电信号并选取分类效果最好的特征,在情感脑电数据集上用希尔伯特黄-变换与小波包变换提取出多个特征用来识别愉悦度。结果显示前4个IMF分量的能量矩百分比与能量百分比在特定时间窗下可以得到最高为75%的平均分类准确率且后者运算时间更短。利用小波包分解提取特征所需时间比希尔伯特-黄变换短,且其最高平均分类准确率为69.71%,是由小波包分解树第5层结点的能量特征得到。实验结果表明,希尔伯特-黄变换较小波包变换有准确率上的优势与计算时间上的劣势。
[Abstract]:In order to verify whether Hilbert-Huang transform is suitable for analyzing emotional EEG signals and selecting the best classification features, Hilbert-Huang transform and wavelet packet transform are used to identify the pleasurable degree in the emotional EEG data set. The results show that the percentage of energy moments and the percentage of energy of the first four IMF components can reach an average accuracy of 75% under a specific time window, and the latter has a shorter computation time. The extraction time of wavelet packet decomposition is shorter than that of Hilbert-Huang transform, and its highest average classification accuracy is 69.71, which is derived from the energy feature of the fifth layer of wavelet packet decomposition tree. The experimental results show that the Hilbert-Huang transform has the advantage of accuracy and the disadvantage of computing time compared with wavelet packet transform.
【作者单位】： 太原理工大学计算机科学与技术学院;北京理工大学珠海学院计算机学院;
【基金】：国家自然科学基金项目(61070077、61170136) 山西省自然科学基金项目(2010011020-2、2011011015-4)
【分类号】：TN911.7

【相似文献】

相关期刊论文 前10条

1 唐涛;;图像基于小波包变换的多尺度匹配算法[J];河北大学学报(自然科学版);2006年03期

2 刘江波;金虎;高鑫伟;;基于小波包变换的雷达抗噪声调频干扰研究[J];中国雷达;2011年01期

3 毕为民,孙才新,姚陈果,宋胜利,唐炬;基于门限值小波包变换抑制局部放电白噪干扰[J];重庆大学学报(自然科学版);2003年06期

4 向前,林春生,吴正国;非高斯非平稳背景噪声中的信号检测方法[J];武汉理工大学学报(交通科学与工程版);2003年03期

5 刘湛;万国金;范志夫;;扩频通信系统中干扰问题的研究[J];科技信息(科学教研);2007年18期

6 宋维翰;杨公训;;基于小波包变换的肌电信号去噪研究[J];生物医学工程学杂志;2008年02期

7 许钢,黄冰;小波包变换频带划分在MELP声码器中的应用[J];电声技术;2004年02期

8 陈明义;李微;黎华;;基于小波包变换的自适应门限的语音激活检测[J];计算机仿真;2009年03期

9 杨士强;张春业;张波;宁祥峰;;IEEE 802.22 WRAN的频率侦听算法及硬件设计[J];计算机应用与软件;2011年02期

10 陈建忠,史耀武,史淑;基于小波分析的粗晶材料超声无损评价信号处理技术[J];核动力工程;1999年05期

相关会议论文 前10条

1 朱砂;丁兆忠;李咏强;;基于小波包变换的多普勒频率提取方法[A];全国第二届信号处理与应用学术会议专刊[C];2008年

2 熊波;李国林;徐晶晶;;基于小波包变换的引信伪随机码识别[A];2005通信理论与技术新进展——第十届全国青年通信学术会议论文集[C];2005年

3 王炜;杨道淳;徐柏龄;;小波包变换在语音增强中的应用[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

4 章兰英;袁嗣杰;陈源;;低信噪比下直扩信号窄带干扰抑制算法研究[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

5 韩朝晖;;利用小波包分析提取信号分量[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（上）[C];2006年

6 周红标;;基于小波包变换和最小二乘支持向量机的癫痫脑电信号识别[A];中国自动化学会控制理论专业委员会C卷[C];2011年

7 王静;张晨;李双田;;基于Bark尺度小波包和Teager能量算子的语音去噪方法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

8 刘炯;王爱粉;苟彦新;;短波高速直扩通信系统强窄带干扰抑制新方法的研究[A];开创新世纪的通信技术——第七届全国青年通信学术会议论文集[C];2001年

9 韩志艳;王健;伦淑娴;王旭;;基于小波包变换的语音信号鲁棒特征提取[A];第二十九届中国控制会议论文集[C];2010年

10 应自炉;张有为;;面向对象的小波变换软件包设计[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

相关博士学位论文 前10条

1 边海龙;非平稳信号联合时频分析方法的若干问题研究与应用[D];电子科技大学;2008年

2 王爱丽;基于小波理论的SAR图像压缩算法研究[D];哈尔滨工业大学;2008年

3 王飒爽;基于多载波系统的无线图像传输技术的研究[D];天津大学;2006年

4 宗晓飞;信源网络联合编码关键技术研究及应用[D];北京邮电大学;2010年

5 刘毅;非平稳信号的小波分析与拟合问题研究[D];山东大学;2006年

6 李小平;智能信号分类方法研究[D];西安电子科技大学;2004年

7 张小飞;天线阵CDMA系统中的空时处理技术研究[D];南京航空航天大学;2005年

8 李岳霖;弹道测速雷达微弱信号处理方法研究[D];哈尔滨工程大学;2008年

9 蒲秀娟;胎儿心电信号提取研究[D];重庆大学;2009年

10 王娜;基于小波变换与约束方差噪声谱估计的语音增强算法研究[D];燕山大学;2011年

相关硕士学位论文 前10条

1 周鹏;宽带混沌信号在通信中的应用[D];南京理工大学;2004年

2 张平华;基于小波包变换的直扩通信窄带干扰抑制技术的研究[D];湖南师范大学;2006年

3 尹艳群;扩频通信系统变换域窄带干扰抑制技术研究[D];湖南大学;2005年

4 孙万麟;一种基于小波包变换的双模噪声中信号的检测[D];新疆大学;2008年

5 林蓉;小波包变换用于非高斯噪声下的信号检测[D];电子科技大学;2005年

6 王春光;基于小波分析的图像特征提取方法研究[D];国防科学技术大学;2004年

7 郑美薇;基于小波变换的直扩系统中窄带干扰抑制算法研究[D];哈尔滨工程大学;2007年

8 吴勇;基于小波的信号去噪方法研究[D];武汉理工大学;2007年

9 单立场;小波变换在吸毒者心率变异性信号分析中的应用[D];重庆大学;2007年

10 倪永婧;基于纹理细节的图像去噪算法的研究[D];燕山大学;2006年

，

本文编号：1980475