基于不同特征参数的脑电信号分类

分别以自回归 (autoregression ,AR)模型系数、相关系数和信息熵作为信号特征对不同思维作业脑电 (EEG)信号进行分类 ,其中相关系数和信息熵均是首次用于思维作业EEG信号的特征提取。实验结果显示 ,采用信息熵作为EEG信号特征的分类准确率总体上明显高于采用另两种特征参数 ,且受提取特征的数据分段长度的影响最小 ,有利于提高基于思维作业实时脑 机接口的通信准确度和速率。同时 ,研究结果也进一步证实了高频信息可用于EEG的分类。