小波
第28卷 第12期2007年12月
仪器仪表学报
ChineseJournalofScientificInstrument
Vol128No112Dec.2007
基于小波包分解的脑电信号特征提取
吴 婷,颜国正,杨帮华
(上海交通大学电信学院仪器系 上海 200240)
摘 要:在脑机接口研究中,针对脑电信号的特征抽取,提出一种基于小波包分解的方法,利用Fisher距离准则,选择具有较大可分离性的特定子带小波包系数和能量作为有效特征,构成特征矢量,并采用BCI2003竞赛数据,通过对该特征矢量的可分性和识别精度2个指标的评估,表明了所提出方法的有效性。
关键词:脑机接口;小波包分解;特征提取;子带能量
中图分类号:R318 TP391.4 文献标识码:A 国家标准学科分类代码:460.4025 510.8050
EEGfeatureextractioninbraincomputerinterfacebasedon
waveletpacketdecomposition
WuTing,YanGuozheng,YangBanghua
(SchoolofElectronic,InformationandElectricalEng.,ShanghaiJiaoTongUniversity,Shanghai200030,China)
Abstract:Inthestudyofbraincomputerinterface,amethodbasedonwaveletpacketdecompositionisproposed
whichisusedforthefeatureextractionofelectroencephalogram.Thepowerofspecialsub2bandsandcoefficientsofwaveletpacketdecompositionthathavelargerseparabilityareselectedtoconstructeigenvectoraccordingtoFisherdistancecriterion.Theeigenvectorisobtainedbycombiningtheeffectivefeaturesofelectroencephalographsignalsfromdifferentchannels.Theperformanceoftheeigenvectorisevaluatedbyseparabilityandrecognitionaccuracyu2singthedatasetfromBCI2003competition.Classificationresultshaveprovedtheeffectivenessofthismethod.Keywords:braincomputerinterface(BCI);waveletpacketdecomposition(WPD);featureextraction;powerofsub2band
EEG具有信息量大、时间分辨率高、设备便于携带、价格
低廉以及无创性等优点,为脑机接口提供了实际可行性,成为目前控制信号的主要选择。现有的EEG特征提取方法主要有3类:(1)单一种类信息法,仅利用信号的时域或频域信息,如时域中的信号峰值或均值,频域中的功率谱密度、特定脑节律的幅度等,该方法简单,使用较多,但信息单一、识别率不高
[4]
1 引 言
人在接受外界刺激或主动思维中,能够产生特定模式的脑信号。脑机接口(braincomputerinterface,BCI)正
是利用这种可区分的脑信号,实现利用思维控制外设的目的。脑机接口研究在康复医学工程等领域具有重要意义。近年来,在国际上引起极大的重视,成为目前生物医学研究的一个热点。BCI的研究涉及多个学科,大量复杂的问题有待解决,特征抽取就是其关键技术之一。
BCI分为EEG(electroencephalogram)2basedBCI和EcoG(electrocorticogram)2basedBCI,但由于脑电信号
211 vedDate:2006211
[123]
;(2)传统时频特征组合法,
将时域均值、频域功率谱组合作为特征矢量,相对单一种
类信息法能够提供更多特征,但其仍然是一种传统的分析平稳信号的方法,而EEG是一种典型的非平稳信[5]
号;(3)小波变换系数法,依据先验知识,抽取感兴趣频段的小波系数作为特征,但EEG信号产生机理复杂,
基于小波包分解的脑电信号特征提取_专业资料。在脑机接口研究中,针对脑电信号的特征抽取,提出一种基于小波包分解的方法,利用Fisher距离准则,选择具有较大可分离性的...
提出了一种基于小波包变换和 AR模型的特征提取方法.该方法首先利用小波包变换对大脑C3和C4处采集的2路运动想象 脑电信号进行3层分解,抽取小波系数的能量特征;然后,...
本文提出了一种基于小波包变换和 AR 模型 的运动想象脑电信号特征提取方法. 该方法将大脑 C3 和 C 4 处采集的 2 路信号进行小波包分解, 利用 对应频带小波...
基于小波包能量的脑电信号特征提取方法_专业资料。在脑机接口研究中,针对运动...想象脑电信号进行3层分解,抽取小波系数的能量特征;然后,利用Burg算法提取脑电信号...
首先对脑电信号进行小波包分解 ,然后进行相关频段信号的重构 , 从而提取出特征波的概貌作为初次提 取的特征波 ; 再利用 ICA 分离技术 ,以初次提取的特征波为参考...
本文提出了一种基于小波包变换和AR 模型的运动想象脑电信号特征提取 方法。该方法将大脑C3和C4处采集的 2路信号进行小波包分解,利用对应频带 小波系数的平均能量,...
为了更有效地提取脑电信号特征波,结合小波包和ICA(独立分量分析),提出了一种脑电特征波提取方法。首先对脑电信号进行小波包分解,然后进行相关频段信号的重构,从而提取...
首先对脑电信号进行小波包分解, 然后进行相关频段信号的重构,从而提取出特征波,并对其进行功率谱分析和能量计算。实验结果表明,小波包技术能有效地提 取脑电信号特征...
脑电信号的混沌分析和小波包变换特征提取算法_专业资料。针对脑电(EEG)信号的手部动作模式信息处理,提出一种混沌分析和小波包变换相结合的特征提取方法。用眼动辅助...
基于小波包分解的脑电信号... 5页 免费 关于α、β、δ、θ、κ型... 4页 免费 脑电信号特征提取及分类 45页 5财富值 关于脑电信号提取的文献综... 3...
热门文档