10.3969/j.issn.0254-3087.2012.11.023
脑机接口中基于WPD和CSP的特征提取
针对脑机接口(brain computer interface,BCI)中2类运动想象任务的特征提取问题,提出了一种小波包分解(wavelet packet decomposition,WPD)与共同空间模式(common spatial pattern,CSP)相结合的脑电信号特征提取方法.该方法首先选择7个重要导联的脑电(electroencephalograph,EEG)信号,用‘haar’小波基进行三阶WPD分解;然后对每个导联分解后的其中5个子带进行重构,获取相关频域信息;最后对重构后信号利用CSP特征提取,获得六维特征向量.CSP与WPD相结合能够充分利用WPD的时频特性,有效避免CSP要求输入导联数过多、缺乏频域信息等缺陷.对2008年国际BCI竞赛数据和本实验室实验数据,采用该方法进行特征提取,通过概率神经网络(probabilistic neural network,PNN)分类.2种数据源分类正确率分别为92%和80%,相对于单纯的CSP特征提取,正确率分别提高5%和20%.实验结果表明:WPD与CSP相结合的特征提取算法能提取明显的特征,进而提高BCI的识别正确率.
脑机接口、脑电、小波包分解、共同空间模式
33
R318.04;TP391.4(医用一般科学)
国家自然科学基金60975079,31100709;上海市教育委员会创新项目11YZ19
2013-03-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
2560-2565