文献类型：期刊文章

作　　者：王艳景[1] 乔晓艳[1] 李鹏[1] 李刚[2]

机构地区：[1]山西大学电子信息技术系,太原030006 [2]天津大学生物医学工程系,天津300072

出　　处：《仪器仪表学报》

基　　金：国家基础科学人才培养基金(J0730317)资助项目

年　　份：2010

卷　　号：31

期　　号：12

起止页码：2729-2735

语　　种：中文

收录情况：BDHX、BDHX2008、CAS、CSCD、CSCD2011_2012、EI(收录号：20110913712395)、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：对运动想象脑电特征进行准确提取和分类是脑-机接口技术研究的重要问题。针对脑电信号非平稳性和非线性特点,提出了一种将小波包熵(WPE)和支持向量机(SVM)相结合的脑电信号识别方法,利用小波包系数能量分布分析脑电时频特性,结合信息熵分析其不确定性和复杂性,并从单次实验中提取运动想象脑电特征;通过支持向量机对特征信号进行分类,采用了一种核函数参数v和误差惩罚因子c的最佳寻优方法,并用互信息(MI)、信噪比(SNR)、最小错分率(MR)等准则对分类器进行评判。测试结果为:想象左右手运动脑电信号识别精度达到90%,M I为0.65 bit,SNR为1.44。结果表明WPE-SVM识别方法能够准确提取脑电本质特征,具有较强的分类性能和抗干扰能力,为大脑运动意识任务分类提供了有效方法,它可以应用于脑-机接口系统中。

关 键 词：脑-机接口 运动想象  小波包熵  支持向量机 互信息

分 类 号：R318.04[生物医学工程类] TP391.4[基础医学类]