收藏本站
《生物医学工程研究》 2017年03期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于CSP算法与小波包分析方法的运动想象脑电信号特征提取性能的比较

吴林彦  鲁昊  高诺  王涛  
【摘要】:运动想象脑电特征快速准确提取是脑-机接口技术研究的重要问题。本研究分别讨论了共同空间模式(common spatial pattern,CSP)与小波包分析关于左右手运动想象特征提取的原理,并对两种方法进行了比较。对于GRAZ大学提供的运动想象脑电数据,使用CSP与支持向量机(support vector machine,SVM)结合的分类正确率最高为85.5%;使用小波包分析与SVM结合的分类正确率最高为99%。同时对于本实验室采用Emotiv epoc+系统采集的运动想象脑电数据,利用小波包分析与SVM结合的分类正确率也保持在98%以上。实验结果表明,相较于CSP算法,小波包分析对于运动想象特征提取的效果更好。
【作者单位】山东建筑大学信息与电气工程学院;
【基金】:山东省科技重大专项资助项目(2015ZDXX0801A03)
【分类号】:R318;TN911.7
【正文快照】:
1引言脑-机接口(BCI)的概念始于1973年,它是在人或动物脑与外部设备间建立的直接连接通路的一种新颖的人机接口方式。作为一个新兴的交叉学科,BCI技术已经引起了国内、国际上许多科技工作者的重视,成为生物医学、通信、计算机技术等领域交叉中的研究热点[1]。脑电信号的特征提

【相似文献】
中国期刊全文数据库 前1条
1 刘燕;穆振东;;运动想象机制研究[J];科技广场;2011年01期
中国硕士学位论文全文数据库 前9条
1 王超;基于OpenVIBE的高性能运动想象在线脑—机接口系统研究[D];华南理工大学;2016年
2 马秀秀;基于运动想象的异步脑—机接口算法研究[D];哈尔滨工业大学;2016年
3 王延达;基于运动想象的脑电信号识别算法研究[D];南京航空航天大学;2016年
4 张昇欢;运动想象脑电信号的分析研究[D];上海交通大学;2015年
5 姚家扬;运动想象脑电处理及其模式识别方法研究[D];杭州电子科技大学;2016年
6 蔡慧;BCI中的运动想象脑电信号处理方法研究[D];杭州电子科技大学;2016年
7 张焕;四类运动想象任务的脑电信号识别算法研究[D];山西大学;2016年
8 杨默涵;基于运动想象的脑电信号分类算法与脑-机接口技术研究[D];吉林大学;2017年
9 易振华;运动想象脑电信号的分析与处理方法研究[D];北京交通大学;2008年
中国知网广告投放
相关期刊
>科技广场
相关机构
>江西蓝天学院信息技术学院...
相关作者
>穆振东 >刘燕
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026