針對基于三維視覺指導的運動想象腦機接口多通道冗余信息較多、分類準確率差的問題,提出了一種基于小波包分解(WPD)—共空間濾波(CSP)—自適應差分進化(ADE)的模式腦電信號特征提取與選擇分類方法。首先,對采集的多通道運動想象腦電信號進行WPD變化,劃分出精細的子頻帶;然后,分別將WPD變換后的每個子空間作為CSP的輸入,得到對應的特征向量;最后,使用ADE算法對特征向量進行選擇,選擇出用于分類的最佳特征子集。采用WPD-CSP-ADE模式進行特征提取與選擇,較經(jīng)典的WPD-CSP方法在分類正確率、特征個數(shù)方面有著更好的表現(xiàn)。同時,所提算法分類性能明顯優(yōu)于遺傳算法、粒子群算法。實驗結果表明,WPDCSP-ADE方法能夠有效地提高分類正確率,同時減少了用于分類的特征個數(shù)。

【文章頁數(shù)】：5 頁

【文章目錄】：
1 特征提取方法
    1.1 小波包分解
    1.2 共同空間模式
2 基于WPD-CSP-ADE的腦電信號處理
    2.1 自適應差分進化
    2.2 基于WPD-CSP-ADE的特征提取與選擇
3 數(shù)據(jù)處理
    3.1 數(shù)據(jù)集
    3.2 腦電信號處理
4 實驗結果與分析
    4.1 SVM分類器分類結果
    4.2 LDA分類器分類結果
5 結束語



本文編號：4011395