基于集合经验模式分解和公共空间模式的脑电信号特征提取

摘要：

公共空间模式(common spatial pattern,CSP)能够较好地提取运动想象任务时脑电信号的判别特性,但是其性能与大脑进行想象任务的频带相关.为了确定这样一组频带实现精确的分类,基于集合经验模式分解、FIR滤波器组以及公共空间模式算法提出了一种脑电特征提取方法.预处理去除伪迹后的信号首先经过集合经验模式算法获得多个模函数,然后选择出包含μ节律和β节律范围的分量实现信号重构,重构后的脑电信号作为带通滤波器组的输入得到若干子带信号集合,从每个子带信号中提取CSP特征,最后将提取的特征经过支持向量机(support vector machine,SVM)进行分类.运用该方法对脑-计算机接口(brain-computer interface,BCI)竞赛数据集进行分类,实验表明该方法能够自适应地提取、筛选和判别每个受试者的空间CSP特征,分类准确率达96.53％.

关键词：集合经验模式分解、公共空间模式分解、FIR滤波器组、支持向量机

所属期刊栏目：20

分类号：R318(医用一般科学)

资助基金：国家自然科学基金61271334

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：109-117