文献类型：期刊文章

作　　者：李明爱[1] 张梦[1] 孙炎珺[1]

机构地区：[1]北京工业大学信息学部自动化学院

出　　处：《电子测量与仪器学报》

基　　金：国家自然科学基金(81471770);北京市自然科学基金(7132021)资助项目

年　　份：2018

卷　　号：32

期　　号：1

起止页码：111-118

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2017_2018、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对运动想象脑电信号(motor imagery electroencephalography,MI-EEG)的时变性、个体差异性等特点,提出一种将小波包变换(wavelet packet transform,WPT)与深度信念网络(deep belief networks,DBN)相结合的脑电特征自动提取方法,记为WD法。首先,利用平均功率谱方法对MI-EEG进行时域分析,选取有效的时序段。其次,使用WPT对有效时域段的各导MI-EEG进行时频分解,并选取与想象任务相关的频段信息重构脑电信号;然后,将各导重构MI-EEG串接,并将其瞬时功率信号输入给DBN模型实现特征自动提取。最后,利用Softmax分类器完成脑电想象任务的模式分类。在DBN模型训练中通过增加Dropout训练技巧来解决因训练数据少等引起的过拟合问题,以提高分类结果。利用BCI标准竞赛数据库进行实验研究,5-折交叉验证法取得了94.06%的分类准确率,证明该方法能够充分利用脑电的神经生理学特点,自适应地提取个性化的深层脑电特征,有利于改善分类效果。

关 键 词：运动想象脑电信号  深度信念网络  小波包变换 Softmax分类器  DROPOUT

分 类 号：R318[生物医学工程类] TN911.7[基础医学类]