基于小波包和共同空间模型的运动想象脑电信号特征提取算法
高枫
鲁昊
高诺
山东建筑大学信息与电气工程学院,济南,250101
摘要：脑-机接口(brain-computer interface,BCI)为无法进行交流的人们提供了一种新的交流方式.传统的基于频率特征的脑电信号(electroencephalogram,EEG)特征提取方法只提取每个通道的能量特征,而忽略了不同通道之间的相关性信息.为了获得更好的特征提取结果,本研究采用了基于小波包和共同空间模型(common space pattern,CSP)的脑电信号特征提取方法.首先,在利用小波包对脑电信号分解前,对相关通道和频带进行辨别,提取运动想象脑电μ律和β节律,然后利用CSP算法进行空间滤波提取特征,选取相关节点计算小波包能量,最后通过支持向量机(support vector machine,SVM)将脑电信号分为左右手两种特征.为了验证本研究算法的可行性与有效性,在BCI竞赛数据集上进行了相应的实验,分类结果表明,所提出的特征提取算法能够有效提取运动想象特征,具有较高的分类精度.
关键词：小波包分析共同空间模型支持向量机脑机接口运动想象特征提取
分类号：R318(医用一般科学)
资助基金：全国大学生创新创业训练计划项目(0001222)山东省重点研发计划项目(2017CXGC1505)山东建筑大学教学建设与改革重点项目(010171820)
论文发表日期：2019-01-01
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：5( 393-396,409 )
英文信息