( 西安工程大学 电子信息学院,陕西 西安710048)
摘要:针对脑电信号分类准确率不高导致脑控设备控制稳定性差的问题,提出一种基于离散小
波变换(DWT)、多变量经验模态分解(MEMD) 和模糊熵的特征提取与分类方法。首先,利用
DWT将脑电信号分解成一系列窄带信号; 其次,利用MEMD对子带信号进行分解,得到一系
列本征模函数(IMFs) ,选择合适的IMFs进行信号重构,利用模糊熵算法对信号提取特征,作
为实验的特征向量; 最后,使用支持向量机(SVM) 进行分类。利用脑机接口(BCI) 大赛数据作
为验证集,验证了该算法的有效性,使分类精度提高到了96. 2%,同时解决了经验模态分解
关 键 词:脑电信号; 离散小波变换; 多变量经验模态分解; 模糊熵; 特征提取
文章编号:1673-9787(2022)1-143-10