基于多尺度Lempel-Ziv复杂度的运动想象脑电信号特征分析

运动想象脑电信号特征提取是脑机接口研究领域的重要问题,提出一种基于多尺度Lempel-Ziv复杂度的运动想象脑电信号特征提取算法。该算法是传统二值化Lempel-Ziv复杂度算法的改进,它将脑电信号分成多个不同幅值范围的区域,根据信号在各区域间的上升和下降趋势,对脑电信号进行二值化处理得到Lempel-Ziv复杂度。本文将运动想象脑电信号分为4个区域,提取各典型时段的Lempel-Ziv复杂度作为特征值,最后利用支持向量机对脑电信号进行分类识别。实验结果表明,以多尺度Lempel-Ziv复杂度为特征的分类方法,对想象左右手运动脑电信号的平均分类识别率最高达87.87%,优于传统二值化Lempel-Ziv复杂度算法。