基于 DWT、MEMD 和模糊熵的脑电信号特征提取与分类研究(点击标题下载全文) 已下载

陈倩倩,徐健,刘秀平,黄磊,惠楠

( 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

(EMD) 中频带覆盖较广的问题。

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

中图分类号:TP183

文献标志码:A

文章编号:1673-9787(2022)1-143-10

 
 
Insert title here
Copyright ?2013. All Rights Reserved  河南理工大学出版中心 
 Tel:0391-3987068,3987069;E-mail:
zkxb@hpu.edu.cn,skxb@hpu.edu.cn
建议使用win7以上系统,和IE9及以上浏览器以获得更好的使用体验