| 基于特征筛选的经验模式分解脑电信号分类方法 |
| |
| 引用本文： | 张学军,汪敏,胡晓雯. 基于特征筛选的经验模式分解脑电信号分类方法[J]. 科学技术与工程, 2021, 21(18): 7492-7499. DOI: 10.3969/j.issn.1671-1815.2021.18.013 |
| |
| 作者姓名： | 张学军 汪敏 胡晓雯 |
| |
| 作者单位： | 南京邮电大学电子与光学工程学院,南京210023;南京邮电大学射频集成与微组装技术国家地方联合工程实验室,南京210023;南京邮电大学电子与光学工程学院,南京210023;南京医科大学生物医学工程与信息学院,南京211166 |
| |
| 基金项目： | 国家自然科学基金(61972208,61672299) |
| |
| 摘 要： | 脑-机接口已成为一种独立于正常周围神经和肌肉的从大脑到输出设备的新型通信方式.而脑电信号处理是其中的关键技术之一.利用小波变换和经验模式分解对脑电信号进行分解重构出8个内涵模态分量(IMF),然后再对分解后的IMF计算排列熵,运用比较特征值的显著性差异(Pearson系数)筛选出特征冗余小的IMF熵值,并利用遗传算法优化支持向量机进行分类,准确率达到97.64％.
|
| 关 键 词： | 脑-机接口 支持向量机 经验模式分解 排列熵 |
| 收稿时间： | 2020-10-16 |
| 修稿时间： | 2021-06-25 |
EMD Classification of EEG signals based on permutation entropy feature selectionZHANG Xue-jun1,2 , WANG min1, HU xiao-wen3 |
| |
| Zhang Xuejun,Wang Min,Hu Xiaowen. EMD Classification of EEG signals based on permutation entropy feature selectionZHANG Xue-jun1,2 , WANG min1, HU xiao-wen3[J]. Science Technology and Engineering, 2021, 21(18): 7492-7499. DOI: 10.3969/j.issn.1671-1815.2021.18.013 |
| |
| Authors: | Zhang Xuejun Wang Min Hu Xiaowen |
| |
| Affiliation: | School of electronic and optical engineering, Nanjing University of Posts and Telecommunications,, |
| |
| Abstract: | Brain computer interface (BCI) has become a new communication mode from brain to output device independent of normal peripheral nerves and muscles. EEG signal processing is one of the key technologies. In this paper, wavelet transform and empirical mode decomposition are used to decompose EEG signals to reconstruct eight IMF. Then the permutation entropy is calculated for the decomposed IMF. The IMF entropy with small feature redundancy is selected by using P value, and the support vector machine optimized by genetic algorithm is used for classification. The accuracy rate reaches 97.64%. |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载全文 |
|
