柯海森 双嘉伟
(中国计量学院机电工程学院 浙江 杭州 310018)
基于ELM运动想象脑电信号的分类
柯海森双嘉伟
(中国计量学院机电工程学院浙江 杭州 310018)
针对运动想象脑电信号的分类识别,提出一种基于小波变换和共空间模式滤波的方法进行特征提取。对EEG进行3层小波分解,提取相关层数小波系数的特征量;同时利用共空间模式对EEG进行空间滤波,提取其转换后信号的方差作为特征量,并将这两类特征量进行组合。该方法结合了时频域和空间域的特征信息,可提高分类识别的效果。最后选取BCI2003中Data set Ⅲ数据作为样本,分别用极限学习机和基于粒子群算法的支持向量机进行分类识别。实验结果表明极限学习机分类学习时间较快,最优识别率为94.2857%,证明了该方法更适用于脑机接口系统。
运动想象小波变换共空间模式支持向量机极限学习机
脑机接口BCI(Brain Computer Interface)技术是一种通过大脑与外界环境进行交流控制,使人们可以通过大脑来表达自己的意愿或者控制意图。其主要目标是加强有严重身体缺陷和交流障碍的伤残人士与外界交流和沟通的能力[1,2]。
特征提取和分类器设计是BCI系统中的核心技术,快速准确地对EEG进行分类识别是BCI系统的重要指标。早期的脑电信号特征提取方法有单一类信息法[3]和时频特征组合法[4]可以简单有效提取EEG的特征信息,但该方法处理短信号时特征信息不明显,并且如果信号发生突变时,其提取的特征信息效果不佳;……