基于多尺度Lempel-Ziv复杂度的运动想象脑电信号特征分析.pdfVIP

第24卷 第7期 传 感 技 术 学 报 Vo1．24 No．7 2011年 7月 CHINESE JOURNALOFSENSORSAND ACTUATORS EEGFeatureAnalysisofMotorImageryBasedonLempel-ZivComplexityatMulti-scale LUO Zhizeng ，CAO Ming (RobotResearchInstitute，HangzhouDianziUniversity，Hangzhou310018，China) Abstract：Electroencephal0gram(EEG)featureextractionofmotorimageryisanimportantissueinthefieldof brain—computerinterfaces．Inthispaper，analgorithm ofEEG featureextraction ofmotorimagerybasedonLempel— Zivcomplexityatmulti—scaleisputforward．Thisalgorithm istheimprovementcompared tothatofthetraditional binaryquantificationLempel—Zivcomplexity，whileitdividestheEEG intoseveralareaswith differentamplitude． TheLempel—Zivcomplexitycanbeobtainedfrom thebinary quantificationofEEG accordingtotheriseanddecline trendsofitin differentareas．ThispaperextractsLempel—Ziv complexity rfom differenttypicaltime interval， separatesEEG ofmotorimagery into fourareasand finally uses the SupportVector Machine to classify．The experimentalresultshowsthattheaverage classification accuracy ofEEG oftwohandsmotorimagery can reach 87．87％ tothehighestowingtotheclassificationmethodfeaturedbyLempel·ZivComplexityatMulti—scale，which excelsthealgorithm oftraditionalbinary quantificationLempel—Zivcomplexity． Keywords：EEG ；motorimagery ；Lempel—Zivcomplexityatmulti—scale EEACC：723oj；7510D doi：10．3969／j．issn．1004—1699．2011．07．020 基于多尺度Lempel—Ziv复杂度的运动想象脑电信号特征分析术 罗志增 ，曹 铭 (杭州 电子科技大学 机器人研究所，杭州 310018) 摘 要 ：运动想象脑电信号特征提取是脑机接口研究领域的重要问题，提出一种基于多尺度Lempel—Ziv复杂度的运动想象 脑电信号特征提取算法。该算法是传统二值化Lempel—Ziv复杂度算法的改进，它将脑电信号分成多个不同幅值范围的区域 ， 根据信号在各区域间的上升和下降趋势，对脑 电信号进行二值化处理得到Lempel—Ziv复杂度。本文将运动想象脑 电信号分为 4个区域，提取各典型时段的Lempel—Ziv复杂度作为特征值 ，最后利用支持向量机对脑 电信号进行分类识别。实验结果表明， 以多尺度 Lempel—Ziv复杂度为特征的分类方法 ，对想象左右手运动脑 电信号的平均分类识别率最高达 87．87％，优于传统二 值化 Lempel—Ziv复杂度算法。 关键词 ：脑电信号；运动想象；多尺