基于多特征融合的脑电信号注意力识别
徐彬1
甘良志2
栾声扬1
李伟1
1.江苏师范大学电气工程及自动化学院,徐州 2211162.江苏师范大学电气工程及自动化学院,徐州 221116;徐州市脑信号采集及应用工程中心,徐州 221111
摘要：为充分利用脑电(electroencephalogram,EEG)信号特征,克服单一的特征提取方法无法全面表征EEG信号的局限,本研究提出了一种基于排列熵、模糊熵和平均能量的多特征融合算法.首先,利用经验模态分解去除EEG中的眼电、肌电伪迹;其次,对信号进行多特征提取,将特征融合后输入支持向量机(support vector machine,SVM)分类.通过对采集的40组EEG数据进行实验,结果显示,注意力集中和放松信号的识别准确率为90.53％.结果表明,多特征融合算法可增强特征表达能力,提高EEG信号的识别准确率.
关键词：脑电信号注意力识别排列熵平均能量支持向量机特征融合
分类号：R318(医用一般科学)TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61801197)江苏省自然科学基金(BK20181004)徐州市科技计划资助项目(KC22290)江苏师范大学研究生科研与实践创新计划资助项目(2024XKT0266)
论文发表日期：2024-12-28
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：6( 462-467 )
英文信息