基于NA-MEMD和互信息的脑电特征提取方法

发布时间：2017-06-23 15:12

  本文关键词：基于NA-MEMD和互信息的脑电特征提取方法，由笔耕文化传播整理发布。

【摘要】：多变量经验模式分解(MEMD)方法不需要根据先验知识选取基函数,能同时对多通道数据进行自适应分解,适合于分析具有高度相关性和非平稳性的脑电信号。为了判别包含有用信息的内蕴模式函数(IMFs),提出一种基于噪声辅助多变量经验模式分解(NA-MEMD)和互信息的方法,并用于脑电特征提取。首先使用NA-MEMD算法对多通道信号进行分解得到多尺度IMF分量,然后采用互信息法分别计算各尺度上信号与其IMF分量、噪声与其IMF分量、信号IMF分量与噪声IMF分量之间的相关性,接着根据敏感因子筛选包含有用信息的IMF分量,将其叠加得到对应的重构信号,最后采用共同空间模式(CSP)法对重构信号进行特征提取,再用支持向量机(SVM)实现分类。使用仿真数据和实际数据集BCI Competition IV Data Set 1进行测试,与现有的其他方法比较,验证了所提方法的有效性。
【作者单位】： 杭州电子科技大学智能控制与机器人研究所;
【关键词】： 脑电信号 噪声辅助多变量经验模式分解 互信息 共同空间模式
【基金】：浙江省自然科学基金项目(LY15F010009) 国家自然科学基金项目(61201302,61172134,61201300)
【分类号】：R318;TN911.7
【正文快照】： 脑电信号EEG(Electroencephalogram)是大脑内部的神经细胞活动在大脑皮层的综合反映,包含着与大脑状况、思维过程等方面的相关信息。由于非植入式EEG相对简单快速,对人无损,同时具有较高的时间分辨率,因而成为BCI最重要的信号获取手段之一。但是,EEG通过头皮电极获取,信号非—

  本文关键词：基于NA-MEMD和互信息的脑电特征提取方法，由笔耕文化传播整理发布。

，

本文编号：475450