在线脑机接口中脑电信号的特征提取与分类方法

被引：55

作者：

徐宝国 ^{[1
]}

宋爱国 ^{[1
]}

费树岷 ^{[2
]}

机构：

[1] 东南大学仪器科学与工程学院

[2] 东南大学自动化学院

来源：

电子学报 | 2011年 / 39卷 / 05期

关键词：

在线脑机接口; 运动想象; 小波变换;

D O I：

暂无

中图分类号：

TP334.7 [接口装置、插件];

学科分类号：

081201 ;

摘要：

在脑机接口研究中,针对运动想象脑电信号的特征抽取,提出了一种基于离散小波变换和AR模型的方法.利用Daubechies类小波函数对脑电信号进行3层分解,抽取小波变换系数的统计特征;利用Burg算法提取脑电信号6阶AR模型系数.将这两类特征进行组合后使用神经网络、支持向量机、马氏距离线性判别进行分类并比较分析.采用BCI2003竞赛数据,以分类精度与竞赛的最好结果进行了比较,表明了所提出方法的有效性.在脑电信号控制机器人的在线系统中,该模式识别算法的平均准确度达到了89.5%.该特征提取和分类方法为在线脑机接口系统的研究提供了新的思路.

引用

页码：1025 / 1030

页数：6

共 6 条

[1] 基于小波的模拟自然阅读事件相关电位的单次提取 [J].

高克芳 ;

陈亚光 .

电子学报, 2006, (10) :1856-1859

[2] 脑-机接口技术综述 [J].

杨立才 ;

李佰敏 ;

李光林 ;

贾磊 .

电子学报, 2005, (07) :1234-1241

[3] 用核学习算法的意识任务特征提取与分类 [J].

薛建中 ;

闫相国 ;

郑崇勋 .

电子学报, 2004, (10) :1749-1753

[4]

The brain–computer interface cycle[J] . Marcel van Gerven,Jason Farquhar,Rebecca Schaefer,Rutger Vlek,Jeroen Geuze,Anton Nijholt,Nick Ramsey,Pim Haselager,Louis Vuurpijl,Stan Gielen,Peter Desain.Journal of Neural Engineering . 2009 (4)

[5] EEG analysis using wavelet-based information tools [J].

Rosso, O. A. ;

Martin, M. T. ;

Figliola, A. ;

Keller, K. ;

Plastino, A. .

JOURNAL OF NEUROSCIENCE METHODS, 2006, 153 (02) :163-182

[6]

Event-related EEG/MEG synchronization and desynchronization: basic principles[J] . G. Pfurtscheller,F.H. Lopes da Silva.Clinical Neurophysiology . 1999 (11)

← 1 →