共 8 条
- [8] Combination of wavelet packet transform and Hilbert-Huang transform for recognition of continuous EEG in BCIs. YUAN L,YANG B H,CEN Bet al. The 2nd IEEE International Conference on Computer Science and Information Technology . 2009
基于HHT和SVM的运动想象脑电识别
被引：43
作者：
袁玲
杨帮华
马世伟
机构：
[1] 上海市电站自动化技术重点实验室上海大学机电工程与自动化学院自动化系
来源：
关键词：
Hilbert-Huang变换(HHT);
遗传算法(GA);
支持向量机(SVM);
运动想象;
分类识别;
D O I：
10.19650/j.cnki.cjsi.2010.03.029
中图分类号：
R318 [生物医学工程];
学科分类号：
0831 ;
摘要：
对运动想象脑电信号(EEG)分类识别是脑-机接口(BCI)研究领域的重要问题。本文通过经验模式分解(EMD)将EEG分解为一系列内蕴模式函数(IMF),并对重要IMF的瞬时幅度提取AR模型参数,同时对所有的IMF进行Hilbert变换(HT)得到Hilbert谱,进而求得瞬时能量(IE)。将得到的AR参数和IE,结合时域均值和中值绝对偏差估计(MAD),组成初始特征,然后利用经遗传算法(GA)优化的支持向量机(SVM)进行分类,得到识别结果。对2008年BCI CompetitionⅣDataset 1中想象左手和脚运动的两组数据进行识别,在仅仅使用少数通道的情况下,识别正确率分别达到84.7%和85.8%,初步验证了该方法的有效性。
引用
收藏
页码：649 / 654
页数：6
相关论文