基于小波包分解的脑电信号特征提取

基于小波包分解的脑电信号特征提取

ID:38279573

大小:545.13 KB

页数:5页

时间:2019-05-29

基于小波包分解的脑电信号特征提取_第1页
基于小波包分解的脑电信号特征提取_第2页
基于小波包分解的脑电信号特征提取_第3页
基于小波包分解的脑电信号特征提取_第4页
基于小波包分解的脑电信号特征提取_第5页
资源描述:

《基于小波包分解的脑电信号特征提取》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第28卷第12期仪器仪表学报Vol128No1122007年12月ChineseJournalofScientificInstrumentDec.2007基于小波包分解的脑电信号特征提取吴婷,颜国正,杨帮华(上海交通大学电信学院仪器系上海200240)摘要:在脑机接口研究中,针对脑电信号的特征抽取,提出一种基于小波包分解的方法,利用Fisher距离准则,选择具有较大可分离性的特定子带小波包系数和能量作为有效特征,构成特征矢量,并采用BCI2003竞赛数据,通过对该特征矢量的可分性和识别精度2个指标的评估,表明了所提出方法的有效性。关键词:脑机接口;小波包分解;特征提取;子带

2、能量中图分类号:R318TP391.4文献标识码:A国家标准学科分类代码:460.4025510.8050EEGfeatureextractioninbraincomputerinterfacebasedonwaveletpacketdecompositionWuTing,YanGuozheng,YangBanghua(SchoolofElectronic,InformationandElectricalEng.,ShanghaiJiaoTongUniversity,Shanghai200030,China)Abstract:Inthestudyofbraincompute

3、rinterface,amethodbasedonwaveletpacketdecompositionisproposedwhichisusedforthefeatureextractionofelectroencephalogram.Thepowerofspecialsub2bandsandcoefficientsofwaveletpacketdecompositionthathavelargerseparabilityareselectedtoconstructeigenvectoraccordingtoFisherdistancecriterion.Theeigenv

4、ectorisobtainedbycombiningtheeffectivefeaturesofelectroencephalographsignalsfromdifferentchannels.Theperformanceoftheeigenvectorisevaluatedbyseparabilityandrecognitionaccuracyu2singthedatasetfromBCI2003competition.Classificationresultshaveprovedtheeffectivenessofthismethod.Keywords:brainco

5、mputerinterface(BCI);waveletpacketdecomposition(WPD);featureextraction;powerofsub2bandEEG具有信息量大、时间分辨率高、设备便于携带、价格1引言低廉以及无创性等优点,为脑机接口提供了实际可行性,成为目前控制信号的主要选择。现有的EEG特征提取人在接受外界刺激或主动思维中,能够产生特定模方法主要有3类:(1)单一种类信息法,仅利用信号的时式的脑信号。脑机接口(braincomputerinterface,BCI)正域或频域信息,如时域中的信号峰值或均值,频域中的功是利用这种可区分的脑信号,实

6、现利用思维控制外设的率谱密度、特定脑节律的幅度等,该方法简单,使用较多,[4]目的。脑机接口研究在康复医学工程等领域具有重要意但信息单一、识别率不高;(2)传统时频特征组合法,义。近年来,在国际上引起极大的重视,成为目前生物医将时域均值、频域功率谱组合作为特征矢量,相对单一种学研究的一个热点。BCI的研究涉及多个学科,大量复类信息法能够提供更多特征,但其仍然是一种传统的分[123]杂的问题有待解决,特征抽取就是其关键技术之一。析平稳信号的方法,而EEG是一种典型的非平稳信[5]BCI分为EEG(electroencephalogram)2basedBCI和号;(3)小波变换

7、系数法,依据先验知识,抽取感兴趣EcoG(electrocorticogram)2basedBCI,但由于脑电信号频段的小波系数作为特征,但EEG信号产生机理复杂,收稿日期:2006211ReceivedDate:2006211第12期吴婷等:基于小波包分解的脑电信号特征提取2231[6]通常很难获得准确的先验知识,因而不够灵活。接用f(t)的采样序列f(k$t)或归一化后称f(k)来近似作00本文提出一种基于小波包分解的系数和子带能量的为U0空间的系数d0(k)。利用正交小波包变换的快速算特征提取方法,将EEG信

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。