EMD融合WPT和CSP的脑电特征提取方法

发布时间：2022-10-15 12:14

　　脑-机接口（brain-computer interface,BCI）技术在近几十年取得了极大发展,尤其在运动障碍患者的康复训练中得到了大量的应用。脑-机接口技术包含信号采集、预处理、特征提取、分类以及外部设备控制几个部分。其中,如何更好地对信号进行特征提取并准确分类一直都是人们重点关注的问题。该文提出了一种新的特征提取算法分析运动想象（motor imagery,MI）产生的脑电波（electroencephalogram,EEG）信号,主要基于经验模式分解（empirical mode decomposition,EMD）,并结合小波包变换（wavelet packet transform,WPT）和公共空间模式（common spatial pattern,CSP）。首先利用WPT将EEG信号分解为一组窄带信号并通过EMD得到相关的固有模态函数（intrinsic mode functions,IMFs）,然后对每个窄带信号的IMF进行筛选,再运用CSP滤波器进行滤波获取特征,最后使用支持向量机（support vector machine,SVM）进行分类。实验应用该方法对9名... 

【文章页数】：6 页

【文章目录】：
0 引 言
1 相关算法
    1.1 经验模式分解
    1.2 公共空间模式
    1.3 支持向量机
2 EMD结合WPT和CSP算法
    2.1 经验模式分解改进
        2.1.1 小波包变换过程
        2.1.2 筛选过程
    2.2 改进EMD结合WPT和CSP算法流程
3 数据集描述
4 实验分析
    4.1 小波包分解
    4.2 EMD分解结果
    4.3 CSP滤波
    4.4 实验结果分析
5 结束语


【参考文献】：
期刊论文
[1]基于改进CSP算法的运动想象脑电信号分类方法[J]. 马满振,郭理彬,苏奎峰.  计算机与现代化. 2017(11)
[2]单次样本对的CSP滤波器设计及其在脑电训练样本优化中的应用[J]. 刘锦,吴小培,周蚌艳,吕钊,张磊.  信号处理. 2017(07)
[3]基于改进EMD的运动想象脑电信号识别算法研究[J]. 于路,薄华.  微型机与应用. 2016(09)
[4]一种新的基于小波包分解的EEG特征抽取与识别方法研究[J]. 王登,苗夺谦,王睿智.  电子学报. 2013(01)
[5]基于脑机接口技术的康复机器人综述[J]. 孙进,张征,周宏甫.  机电工程技术. 2010(04)
[6]经验模式分解（EMD）及其应用[J]. 徐晓刚,徐冠雷,王孝通,秦绪佳.  电子学报. 2009(03)



本文编号：3691287