国家自然科学基金(61201362)
- 作品数：2 被引量：39H指数：2
- 相关作者：李明爱郝冬梅杨金福崔燕李骧更多>>
- 相关机构：北京工业大学更多>>
- 发文基金：北京市自然科学基金国家自然科学基金北京市教委资助项目更多>>
- 相关领域：医药卫生更多>>
- 基于小波包法与CSSD的P300特征提取方法被引量：2
- 2014年
- 针对P300电位信号微弱、抗干扰能力差、识别率低等问题,提出一种小波包变换(wavelet packet transform,WPT)与共空域子空间分解法(spatial subspace decomposition,CSSD)相结合的特征提取方法,即WPCSSD法.首先,对脑电信号进行叠加平均以提高信号的信噪比;其次,使用小波包法对脑电信号进行滤波,并依据P300电位的有效时频信息重构脑电信号;然后,求取其AR模型功率谱,并基于CSSD法构造空间滤波器,获得能体现P300电位时-频-空特征的特征向量;最后,以支持向量机为分类器进行分类.实验结果表明:本方法具有较强的抗干扰能力和自适应能力,在国际BCI竞赛数据集上获得了95.22%的分类正确率,证明了本方法的正确性和有效性.
- 李明爱李骧杨金福郝冬梅
- 关键词：P300电位特征提取小波包
- 基于HHT和CSSD的多域融合自适应脑电特征提取方法被引量：37
- 2013年
- 为改善运动想象脑电信号特征提取的自适应性和实时性,提出一种基于希尔伯特-黄变换(HHT)与共空域子空间分解算法(CSSD)的特征提取方法(HCSSD).在对脑电信号进行预处理的基础上,定义一种相对距离准则优选脑电极组合;计算脑电的Hilbert瞬时能量谱和边际能量谱,以获取脑电的时-频特征,并基于CSSD提取其空域特征,采用串行特征融合策略得到脑电的时-频-空特征;设计学习矢量量化神经网络分类器,实现脑电数据分类.在训练集与测试集间隔一周且减少导联数量的情况下,基于HCSSD对左手小指和舌头的运动想象ECoG脑电数据的平均识别率为92%.实验结果表明:HCSSD在增强特征提取方法的自适应性、改善实时性的同时,提高了脑电信号识别率,为便携式BCI系统在康复领域的应用创造了条件.
- 李明爱崔燕杨金福郝冬梅
- 关键词：希尔伯特-黄变换自适应
