赵利民 作品数:3 被引量:17 H指数:3 供职机构: 太原理工大学计算机科学与技术学院 更多>> 发文基金: 山西省青年科技研究基金 更多>> 相关领域: 自动化与计算机技术 医药卫生 更多>>
基于局部均值分解与样本熵的脑电信号特征提取与分类 被引量:9 2017年 针对运动想象脑电信号的识别问题,提出一种改进的脑电信号特征提取与分类方法。利用局部均值分解算法将原始信号分解为一系列乘积函数(PF)分量,根据μ节律和β节律范围内的脑电信号剔除无意义的PF分量。通过特征时间选择原则,选取4 s^6 s运动想象脑电信号作为分类数据,分别计算C_3,C_4导联信号二阶和三阶PF分量样本熵的和,并将其均值MSampEn(C_3,C_4)作为输入元素构造脑电特征向量,利用支持向量机进行分类预测以识别左右手想象运动。实验结果表明,与经验模态分解以及总体经验模态分解方法相比,该特征提取方法具有更高的分类准确率。 赵利民 朱晓军关键词:脑机接口 特征提取 局部均值分解 支持向量机 基于改进的LMD运动想象信号识别 被引量:3 2016年 针对脑电信号非平稳非线性特征,提出基于改进的局部均值分解(Local Mean Decomposition,LMD)运动想象信号分类方法。首先结合改进LMD算法和加窗原则选取4-6 s想象信号作为分类数据,提取包含μ节律和β节律的PF分量;其次计算所选分量的样本熵值;最后用支持向量机进行分类预测,并用分类准确率进行评估。实验结果表明,运用改进LMD比传统LMD方法的识别率更高,从而验证该方法的有效性。 赵利民 朱晓军 高旭瑞关键词:支持向量机 基于运动想象的脑电信号特征提取与分类方法研究 脑-机接口(Brain-Computer Interface,BCI)作为一门交叉性学科,涵盖了生物医学、神经科学以及计算机科学等,已成为脑科学研究热点。在BCI研究中,脑电信号(Electroencephalogram... 赵利民关键词:脑电信号 脑机接口 特征提取 局部均值分解