發(fā)布時(shí)間：2018-02-26 08:27

  本文關(guān)鍵詞： 癲癇 腦電 雙密度離散小波變換 Log-Logistic參數(shù)回歸模型　出處：《儀器儀表學(xué)報(bào)》2017年06期 　論文類型：期刊論文

【摘要】：針對現(xiàn)有癲癇腦電(EEG)識別算法分類模式單一、普適性不強(qiáng)的問題,提出了一種新的基于雙密度離散小波變換(DDDWT)和Log-Logistic參數(shù)回歸(LLPR)的腦電信號自動識別方法。不僅利用了DD-DWT算法的分解特性,還建立了腦電信號的LLPR模型,并將二者有機(jī)的結(jié)合,從而更好的發(fā)揮算法的優(yōu)勢。濾波后腦電信號由DD-DWT進(jìn)行6層分解,提取各子頻帶系數(shù)的小波域能量波形,并結(jié)合LLPR模型計(jì)算尺度參數(shù)α和形狀參數(shù)β以表征信號,將構(gòu)成的特征向量送入遺傳算法(GA)優(yōu)化的支持向量機(jī)(SVM)得出識別結(jié)果,從而實(shí)現(xiàn)腦電信號的自動識別。所提方法在處理A\D\E與AB\CD\E兩種多模式腦電分類問題時(shí),識別率分別為98.90%和97.75%。實(shí)驗(yàn)結(jié)果表明,所提算法更符合實(shí)際應(yīng)用需求,可以較好地解決多類腦電信號識別問題,具有良好的普適能力和分類性能。
[Abstract]:Aiming at the problem of single classification pattern and low universality of the existing algorithms of EEG-based epilepsy recognition, A new method of EEG automatic recognition based on dual density discrete wavelet transform (DWT) and Log-Logistic parameter regression is proposed. Not only the decomposition characteristic of DD-DWT algorithm is used, but also the LLPR model of EEG is established, and the two models are combined organically. After filtering, the EEG signal is decomposed into six layers by DD-DWT, and the wavelet domain energy waveform of each subband coefficient is extracted, and the scale parameter 偽 and shape parameter 尾 are calculated with LLPR model to represent the signal. The feature vector is fed into genetic algorithm (GA) and the optimized support vector machine (SVM) is used to obtain the recognition result, so as to realize the automatic recognition of EEG signal. When the proposed method is used to deal with two kinds of multi-mode EEG classification problems, A\ D\ E and AB\ CD\ E, two kinds of multi-mode EEG classification problems are obtained, such as A\ D\ E and AB\ CD\ E respectively. The recognition rates are 98.90% and 97.75, respectively. The experimental results show that the proposed algorithm is more suitable for practical applications and can solve the problem of multi-class EEG signal recognition. The proposed algorithm has good adaptability and classification performance.
【作者單位】： 吉林大學(xué)通信工程學(xué)院;
【基金】：吉林省科技發(fā)展計(jì)劃自然基金(20150101191JC) 吉林大學(xué)研究生創(chuàng)新項(xiàng)目(2016092) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(451170301193)資助
【分類號】：R742.1;TN911.23

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 張鵬博;王雪;張蔚航;戴逸翔;;癲癇發(fā)作瞬態(tài)帶寬特征自適應(yīng)檢測方法[J];儀器儀表學(xué)報(bào);2016年06期

2 焦衛(wèi)東;林樹森;;整體改進(jìn)的基于支持向量機(jī)的故障診斷方法[J];儀器儀表學(xué)報(bào);2015年08期

3 張濤;陳萬忠;李明陽;;基于AdaBoost算法的癲癇腦電信號識別[J];物理學(xué)報(bào);2015年12期

4 韓凌;王宏;;基于空頻域特征分析方法的癲癇發(fā)作預(yù)測[J];儀器儀表學(xué)報(bào);2014年11期

5 袁琦;周衛(wèi)東;李淑芳;蔡冬梅;;基于ELM和近似熵的腦電信號檢測方法[J];儀器儀表學(xué)報(bào);2012年03期

6 尚趙偉,張明新,沈鈞毅,相明;基于雙密度小波變換的紋理圖像檢索[J];西安交通大學(xué)學(xué)報(bào);2005年10期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李明陽;陳萬忠;張濤;;基于DD-DWT和Log-Logistic參數(shù)回歸的癲癇腦電自動識別方法[J];儀器儀表學(xué)報(bào);2017年06期

2 季姝;俞靜;;基于冗余數(shù)據(jù)壓縮算法的經(jīng)濟(jì)信用風(fēng)險(xiǎn)研究[J];電子設(shè)計(jì)工程;2017年07期

3 潘學(xué)文;尹向東;趙永紅;;基于太赫茲光譜和APSO-SVM的轉(zhuǎn)基因棉籽識別方法[J];電子測量與儀器學(xué)報(bào);2017年03期

4 周世波;徐維祥;;船舶軌跡異常檢測方法研究進(jìn)展[J];電子測量與儀器學(xué)報(bào);2017年03期

5 左晶;萬小勤;羅楊;鄭斌;陳斌林;任祥花;;癲癇腦電信號的相關(guān)性分析[J];電子世界;2017年05期

6 陳珊;商玉林;田敏婷;;基于ELM的情緒分類模型研究[J];價(jià)值工程;2017年04期

7 王若凡;劉靜;王江;于海濤;曹亦賓;;基于功率譜及有限穿越可視圖的癲癇腦電信號分析算法[J];計(jì)算機(jī)應(yīng)用;2017年01期

8 崔剛強(qiáng);夏良斌;梁建峰;涂敏;;基于小波多尺度分析和極限學(xué)習(xí)機(jī)的癲癇腦電分類算法[J];生物醫(yī)學(xué)工程學(xué)雜志;2016年06期

9 朱程輝;張倩;王建平;李帷韜;趙益;;基于AIS風(fēng)電機(jī)組故障診斷與偏航控制系統(tǒng)研究[J];電子測量與儀器學(xué)報(bào);2016年12期

10 李艷艷;楊陳軍;野梅娜;張瑞;;一種新的癲癇腦電融合特征提取方法[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年06期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王道明;魯昌華;蔣薇薇;肖明霞;李必然;;基于粒子群算法的決策樹SVM多分類方法研究[J];電子測量與儀器學(xué)報(bào);2015年04期

2 崔文玲;潘靜;何改云;龐彥偉;;基于類心和特征加權(quán)的特征選擇算法[J];電子測量技術(shù);2015年03期

3 閆蓓;王曉晶;蔣兆國;;基于支持向量機(jī)回歸模型的視線定位算法研究[J];儀器儀表學(xué)報(bào);2014年10期

4 劉松松;張輝;毛征;孟博;李昂;;基于HRM特征提取和SVM的目標(biāo)檢測方法[J];國外電子測量技術(shù);2014年10期

5 朱接文;肖軍;;互信息與模糊C均值聚類集成的特征優(yōu)選方法[J];計(jì)算機(jī)應(yīng)用;2014年09期

6 王瑩;侯鳳貞;戴加飛;劉新峰;李錦;王俊;;改進(jìn)的相對轉(zhuǎn)移熵的癲癇腦電分析[J];物理學(xué)報(bào);2014年21期

7 徐玉秀;趙曉清;楊文平;郭威;;多參數(shù)與多測點(diǎn)信息融合的行星輪故障診斷[J];儀器儀表學(xué)報(bào);2014年08期

8 戴逸翔;王雪;李宣平;張鵬博;;面向生物信息感知網(wǎng)絡(luò)稀疏腦電測量的模糊粗糙情緒識別[J];儀器儀表學(xué)報(bào);2014年08期

9 朱忠奎;陳祥芹;樊薇;黃偉國;尚麗;;基于降維的獨(dú)立分量分析及信號特征成分檢測[J];儀器儀表學(xué)報(bào);2014年04期

10 王宏武;孫保民;張振星;信晶;康志忠;;基于模糊C均值聚類和支持向量機(jī)算法的燃煤鍋爐結(jié)渣特性預(yù)測[J];動力工程學(xué)報(bào);2014年02期

，

本文編號：1537243