針對(duì)多類(lèi)運(yùn)動(dòng)想象EEG信號(hào)在腦-機(jī)接口方面存在分類(lèi)識(shí)別率低和被試者差異性的問(wèn)題,提出了一種基于ERS/ERD現(xiàn)象的二級(jí)共空間模式特征提取的方法。首先對(duì)全部導(dǎo)聯(lián)進(jìn)行特定頻段的小波包降噪和分解;其次對(duì)分解系數(shù)重構(gòu)后的信號(hào)以手(左、右)和腳(腳、舌)這二類(lèi)進(jìn)行一級(jí)共空間模式獲取空間濾波器并對(duì)其采用2-范數(shù)篩選準(zhǔn)則,提取權(quán)重系數(shù)較大的N個(gè)導(dǎo)聯(lián);然后以?xún)?yōu)化導(dǎo)聯(lián)的投影矩陣對(duì)手與腳進(jìn)行空間濾波后的信號(hào)分別作為原始信號(hào)進(jìn)行二級(jí)空間模式特征提取;最后采用支持向量機(jī)進(jìn)行分類(lèi)。采用BCI2005Ⅲa中三位被試者的數(shù)據(jù)進(jìn)行仿真驗(yàn)證,得到分類(lèi)正確率最高達(dá)到92.55%。結(jié)果表明,該方法對(duì)EEG信號(hào)的特征提取具有較好的效果。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 引言
2 理論算法
    2.1 小波包變換
    2.2 二級(jí)共同空間模式 (CSP)
    2.3 支持向量機(jī)分類(lèi)
3 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)處理分析
    3.1 EEG數(shù)據(jù)采集
    3.2 數(shù)據(jù)預(yù)處理
    3.3 特征提取與分類(lèi)
4 實(shí)驗(yàn)數(shù)據(jù)結(jié)果
5 結(jié)束語(yǔ)



本文編號(hào)：3766815