基于CSP算法与小波包分析方法的运动想象脑电信号特征提取性能的比较

发布时间：2018-03-23 06:38

本文选题：小波包分析　切入点：共同空间模式(CSP)　出处：《生物医学工程研究》2017年03期 　论文类型：期刊论文

【摘要】：运动想象脑电特征快速准确提取是脑-机接口技术研究的重要问题。本研究分别讨论了共同空间模式(common spatial pattern,CSP)与小波包分析关于左右手运动想象特征提取的原理,并对两种方法进行了比较。对于GRAZ大学提供的运动想象脑电数据,使用CSP与支持向量机(support vector machine,SVM)结合的分类正确率最高为85.5%;使用小波包分析与SVM结合的分类正确率最高为99%。同时对于本实验室采用Emotiv epoc+系统采集的运动想象脑电数据,利用小波包分析与SVM结合的分类正确率也保持在98%以上。实验结果表明,相较于CSP算法,小波包分析对于运动想象特征提取的效果更好。
[Abstract]:Fast and accurate feature extraction of motion imagination EEG is an important problem in brain-computer interface technology. In this study, the principle of common spatial mode common spatial pattern and wavelet packet analysis on feature extraction of left and right hand motion imagination is discussed, respectively. And compare the two methods. For the motor imagination EEG data provided by GRAZ University, The classification accuracy rate of CSP combined with support vector machine (SVM) was 85.5, and that of wavelet packet analysis combined with SVM was 995.At the same time, for the motion imagination EEG data collected by Emotiv epoc system in our laboratory, The classification accuracy of wavelet packet analysis combined with SVM is over 98%. Experimental results show that wavelet packet analysis is more effective than CSP algorithm in feature extraction of motion imagination.
【作者单位】：山东建筑大学信息与电气工程学院;
【基金】：山东省科技重大专项资助项目(2015ZDXX0801A03)
【分类号】：R318;TN911.7

【相似文献】