腦-機接口（brain-computer interface,BCI）技術(shù)在近幾十年取得了極大發(fā)展,尤其在運動障礙患者的康復(fù)訓(xùn)練中得到了大量的應(yīng)用。腦-機接口技術(shù)包含信號采集、預(yù)處理、特征提取、分類以及外部設(shè)備控制幾個部分。其中,如何更好地對信號進行特征提取并準確分類一直都是人們重點關(guān)注的問題。該文提出了一種新的特征提取算法分析運動想象（motor imagery,MI）產(chǎn)生的腦電波（electroencephalogram,EEG）信號,主要基于經(jīng)驗?zāi)Ｊ椒纸猓╡mpirical mode decomposition,EMD）,并結(jié)合小波包變換（wavelet packet transform,WPT）和公共空間模式（common spatial pattern,CSP）。首先利用WPT將EEG信號分解為一組窄帶信號并通過EMD得到相關(guān)的固有模態(tài)函數(shù)（intrinsic mode functions,IMFs）,然后對每個窄帶信號的IMF進行篩選,再運用CSP濾波器進行濾波獲取特征,最后使用支持向量機（support vector machine,SVM）進行分類。實驗應(yīng)用該方法對9名... 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引 言
1 相關(guān)算法
    1.1 經(jīng)驗?zāi)Ｊ椒纸?br>    1.2 公共空間模式
    1.3 支持向量機
2 EMD結(jié)合WPT和CSP算法
    2.1 經(jīng)驗?zāi)Ｊ椒纸飧倪M
        2.1.1 小波包變換過程
        2.1.2 篩選過程
    2.2 改進EMD結(jié)合WPT和CSP算法流程
3 數(shù)據(jù)集描述
4 實驗分析
    4.1 小波包分解
    4.2 EMD分解結(jié)果
    4.3 CSP濾波
    4.4 實驗結(jié)果分析
5 結(jié)束語


【參考文獻】：
期刊論文
[1]基于改進CSP算法的運動想象腦電信號分類方法[J]. 馬滿振,郭理彬,蘇奎峰.  計算機與現(xiàn)代化. 2017(11)
[2]單次樣本對的CSP濾波器設(shè)計及其在腦電訓(xùn)練樣本優(yōu)化中的應(yīng)用[J]. 劉錦,吳小培,周蚌艷,呂釗,張磊.  信號處理. 2017(07)
[3]基于改進EMD的運動想象腦電信號識別算法研究[J]. 于路,薄華.  微型機與應(yīng)用. 2016(09)
[4]一種新的基于小波包分解的EEG特征抽取與識別方法研究[J]. 王登,苗奪謙,王睿智.  電子學(xué)報. 2013(01)
[5]基于腦機接口技術(shù)的康復(fù)機器人綜述[J]. 孫進,張征,周宏甫.  機電工程技術(shù). 2010(04)
[6]經(jīng)驗?zāi)Ｊ椒纸猓‥MD）及其應(yīng)用[J]. 徐曉剛,徐冠雷,王孝通,秦緒佳.  電子學(xué)報. 2009(03)



本文編號：3691287