本文關(guān)鍵詞：基于NA-MEMD和互信息的腦電特征提取方法，由筆耕文化傳播整理發(fā)布。

【摘要】：多變量經(jīng)驗(yàn)?zāi)Ｊ椒纸?MEMD)方法不需要根據(jù)先驗(yàn)知識(shí)選取基函數(shù),能同時(shí)對(duì)多通道數(shù)據(jù)進(jìn)行自適應(yīng)分解,適合于分析具有高度相關(guān)性和非平穩(wěn)性的腦電信號(hào)。為了判別包含有用信息的內(nèi)蘊(yùn)模式函數(shù)(IMFs),提出一種基于噪聲輔助多變量經(jīng)驗(yàn)?zāi)Ｊ椒纸?NA-MEMD)和互信息的方法,并用于腦電特征提取。首先使用NA-MEMD算法對(duì)多通道信號(hào)進(jìn)行分解得到多尺度IMF分量,然后采用互信息法分別計(jì)算各尺度上信號(hào)與其IMF分量、噪聲與其IMF分量、信號(hào)IMF分量與噪聲IMF分量之間的相關(guān)性,接著根據(jù)敏感因子篩選包含有用信息的IMF分量,將其疊加得到對(duì)應(yīng)的重構(gòu)信號(hào),最后采用共同空間模式(CSP)法對(duì)重構(gòu)信號(hào)進(jìn)行特征提取,再用支持向量機(jī)(SVM)實(shí)現(xiàn)分類。使用仿真數(shù)據(jù)和實(shí)際數(shù)據(jù)集BCI Competition IV Data Set 1進(jìn)行測(cè)試,與現(xiàn)有的其他方法比較,驗(yàn)證了所提方法的有效性。
【作者單位】： 杭州電子科技大學(xué)智能控制與機(jī)器人研究所;
【關(guān)鍵詞】： 腦電信號(hào) 噪聲輔助多變量經(jīng)驗(yàn)?zāi)Ｊ椒纸?/strong> 互信息 共同空間模式
【基金】：浙江省自然科學(xué)基金項(xiàng)目(LY15F010009) 國(guó)家自然科學(xué)基金項(xiàng)目(61201302,61172134,61201300)
【分類號(hào)】：R318;TN911.7
【正文快照】： 腦電信號(hào)EEG(Electroencephalogram)是大腦內(nèi)部的神經(jīng)細(xì)胞活動(dòng)在大腦皮層的綜合反映,包含著與大腦狀況、思維過(guò)程等方面的相關(guān)信息。由于非植入式EEG相對(duì)簡(jiǎn)單快速,對(duì)人無(wú)損,同時(shí)具有較高的時(shí)間分辨率,因而成為BCI最重要的信號(hào)獲取手段之一。但是,EEG通過(guò)頭皮電極獲取,信號(hào)非—

  本文關(guān)鍵詞：基于NA-MEMD和互信息的腦電特征提取方法，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：475450

qikan