文献类型：期刊文章

作　　者：李明爱[1,2,3] 张圆圆[1]

LI Ming-ai;ZHANG Yuan-yuan(Faculty of Information Technology,Beijing University of Technology,Beijing 100124,China;Beijing Key Laboratory of Computational Intelligence and Intelligent System,Beijing 100124,China;Engineering Research Center of Digital Community(Ministry of Education),Beijing 100124,China)

机构地区：[1]北京工业大学信息学部,北京100124 [2]计算智能与智能系统北京市重点实验室,北京100124 [3]教育部数字社区工程研究中心,北京100124

出　　处：《电子学报》

基　　金：国家自然科学基金(No.62173010,No.11832003)。

年　　份：2022

卷　　号：50

期　　号：7

起止页码：1600-1608

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为有效利用运动想象脑电信号(Motor Imagery Electroencephalogram,MI-EEG)的频域信息并精确反映脑电极之间的非线性因果交互作用,本文提出一种基于连续小波变换和符号传递熵的脑功能网络构建方法.首先,对每导MI-EEG进行连续小波变换,求得其时-频-能量矩阵;然后,将与运动想象密切相关的频带内各频率所对应的时间-能量序列依次拼接,得到各导联的一维时频能量序列;最后,基于任意两电极时频能量序列间的符号传递熵计算连接矩阵,构建脑功能网络.实验结果表明,以电极时频能量序列间的符号传递熵构建的脑功能网络,能够有效反映MIEEG的时频特征和非线性特征信息传递,相比于传统脑网络构建方法,更有利于增强不同运动想象任务的可分性.

关 键 词：脑-机接口 运动想象脑电信号  连续小波变换 符号传递熵  脑功能网络  

分 类 号：TP18]