腦電信號(hào)的非線性、非平穩(wěn)性造成對(duì)運(yùn)動(dòng)想象腦電信號(hào)的分類識(shí)別存在特征提取困難、可區(qū)分性低以及分類識(shí)別性能差等問題;文章提出一種基于經(jīng)驗(yàn)?zāi)B(tài)分解（empirical mode decomposition,EMD）和支撐向量機(jī)（support vector machine,SVM）的運(yùn)動(dòng)想象腦電信號(hào)分類方法,充分利用EMD算法在處理非線性、非平穩(wěn)信號(hào)的自適應(yīng)性以及SVM在小樣本條件的高識(shí)別性能和強(qiáng)泛化能力;首先利用EMD算法將C3、C4導(dǎo)聯(lián)信號(hào)分解為一系列本征模函數(shù)（intrinsic mode function,IMF）,然后從IMF的信息和能量等維度提取特征將腦電信號(hào)轉(zhuǎn)換至區(qū)分性更強(qiáng)的特征域,最后利用SVM進(jìn)行分類識(shí)別;采用國際BCI競(jìng)賽2003中的Graz數(shù)據(jù)進(jìn)行驗(yàn)證,所提方法可以得到94.6%的正確識(shí)別率,為在線腦-機(jī)接口系統(tǒng)的研究提供了新的思路。 

【文章來源】：計(jì)算機(jī)測(cè)量與控制. 2020,28(01)

【文章頁數(shù)】：6 頁

【部分圖文】：

實(shí)驗(yàn)過程中的時(shí)序

利用EMD算法對(duì)C3通道和C4通道的EEG信號(hào)進(jìn)行分解，得到的結(jié)果如圖2和圖3所示，其中圖2(a）和圖3(a）為想象左手運(yùn)動(dòng)得到的EEG信號(hào)分解結(jié)果，圖2(b）和圖3(b）為想象右手運(yùn)動(dòng)得到的EEG信號(hào)分解結(jié)果，經(jīng)過EMD分解后原始EEG信號(hào)被分解為4個(gè)IMF和一個(gè)余項(xiàng)。從圖2和圖3可以看出，在對(duì)想象左手運(yùn)動(dòng)和想象右手運(yùn)動(dòng)EEG信號(hào)進(jìn)行EMD分解后，IMF2和IMF3兩個(gè)分量存在明顯的區(qū)別，表2給出了分解得到的每個(gè)IMF信號(hào)分量的頻段范圍。根據(jù)奧地利Graz研究中心研究，當(dāng)大腦進(jìn)行運(yùn)動(dòng)想象時(shí)，位于頭皮層左右兩側(cè)EEG信號(hào)的α節(jié)律（8～12Hz）和β節(jié)律（18～26Hz）的能量會(huì)發(fā)生相應(yīng)的變化，這種電生理現(xiàn)象稱為時(shí)間相關(guān)去同步（event-related desynchronization,ERD）或時(shí)間相關(guān)同步（event-related synchronization,ERS),ERD和ERS是最能反映認(rèn)知特性和最具生理意義的特征指標(biāo)之一。而從表2可以看出，EEG信號(hào)的α節(jié)律（8～12Hz）和β節(jié)律（18～26Hz）的頻率范圍剛好處于IMF2和IMF3，也就是說，經(jīng)過EMD分解后最能反映運(yùn)動(dòng)想象節(jié)律特征的信息被自適應(yīng)的分解到IMF2和IMF3兩個(gè)本征模函數(shù)中。因此，本文選擇IMF2和IMF3進(jìn)行進(jìn)一步分析并提取特征對(duì)兩種運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行分類。圖3 EEG信號(hào)EMD分解結(jié)果（C4通道）

EEG信號(hào)EMD分解結(jié)果（C4通道）

【參考文獻(xiàn)】：
期刊論文
[1]多類運(yùn)動(dòng)想象腦電信號(hào)特征提取與分類[J]. 段鎖林,尚允坤,潘禮正.  計(jì)算機(jī)測(cè)量與控制. 2016(02)
[2]在線腦機(jī)接口中腦電信號(hào)的特征提取與分類方法[J]. 徐寶國,宋愛國,費(fèi)樹岷.  電子學(xué)報(bào). 2011(05)
[3]采用小波熵和頻帶能量提取腦電信號(hào)特征[J]. 王宏,趙海濱,劉沖.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2011(03)
[4]基于小波包熵和支持向量機(jī)的運(yùn)動(dòng)想象任務(wù)分類研究[J]. 王艷景,喬曉艷,李鵬,李剛.  儀器儀表學(xué)報(bào). 2010(12)
[5]利用相對(duì)小波能量和概率網(wǎng)絡(luò)的腦-機(jī)接口[J]. 趙海濱,王宏.  計(jì)算機(jī)工程與應(yīng)用. 2009(05)
[6]基于小波包變換和聚類分析的腦電信號(hào)識(shí)別方法[J]. 徐寶國,宋愛國.  儀器儀表學(xué)報(bào). 2009(01)



本文編號(hào)：3311007