基于支持向量机和PCA的脑电α波运动想象分类研究

摘要：

针对脑电信号(EEG)运动想象分类过程中弱相关特征量影响分类准确度的问题,提出一种筛选方法,该方法是基于α波和主成分分析(PCA)算法的.基于脑机接口(BCI)系统,通过听觉诱发刺激产生向左和向右两种运动想象任务对应的脑电信号,并对其做小波包分解处理,然后进行脑电α频段信号的重构,从而提取出α波形并对其进行统计特征提取.再结合PCA技术和支持向量机(SVM)方法,实现弱相关特征的剔除和特征分类.根据筛选后的数据进行分类,所得结果准确率更高,信号分类的准确度由90.1％提高至94.0％.

关键词：小波包分解、支持向量机、运动想象、主成分分析、脑电信号

所属期刊栏目：48

分类号：TN911.7;R318

在线出版日期：2022-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：23-27