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