基于离散小波变换提取脑机接口中脑电特征.pdfVIP

基于离散小波变换提取脑机接口中脑电特征.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于离散小波变换提取脑机接口中脑电特征.pdf

维普资讯 25卷 5期 中 国 生 物 医 学 工 程 学 报 Vo1.25 No.5 2006年 lO月 ChineseJournalofBiomedical 愀 增 October 2006 基于离散小波变换提取脑机接 口中脑 电特征 杨帮华 ,颜国正,鄢 波 (上海交通大学电子信息与电气工程学院仪器系,上海 200030) 摘 要:在脑机接 口中,针对脑 电特征提取利用单一种类信息、使用数据量大、分类性能较差等缺点 ,提出一种新 颖的基于离散小波变换的方法。分析了小波变换特征提取的特点和特征表示方式 ,用 Daubechies类 db4小波函数 对脑 电信号进行 6层分解,抽取小波变换各子带关键的部分逼近系数、小波系数、小波子带系数均值组成特征向 量。以分类正确率为指标检验了提取特征的性能。实验结果表明,这种方法能够利用少量数据提取脑 电信号本质 特征,具有较高的分类性能,为利用脑 电识别人的不同意图提供了快速而有效的手段。 关键词 :脑机接 口;小波变换 ;脑 电;特征提取 ExtractingEEG FeatureinBrain-computerInterfaceBased onDiscreteW aveletTransform YANG Bang—Hua ,YAN Guo—Zheng,YAN—Bo (ElectronicalandInformationCollege,ShanghaiJiaotongf/, ,Shanghai20003) Abstract:Inbrain—computerinterfaces(BCIs),anovelmethodofextractingelectmencephalogIaphy(EEG)features basedondiscretewavelettransform (DWT)wasproposed.Themethodaimsatsolvingproblemssuchassingle infomr ationisused. 1arge amountof data all required and the classification performance is low in BCIs.TI1e characteristicofextractingfeatureswithwavelettransform andsomerepresentationmannersoffeatureswereanalyzed. TheEEG signalwasdecomposed tosix levelsbyDaubechiesdb4 waveletfunction.A partofkey approximation coefficients,waveletcoefficientsandcoefficientaveragesofeachwaveletsubbandwereextractedandfomr edafeature vector.Theclassificationperfomr anceofextractedfeatureswastestedbyan indexcalled correctclassificationrate. The experimentresults showed thattheproposedmethod could extractsubstantialfeaturesusing fewerdata and displayedhigh classification perfomr ance.TI1emethod offersa fastand effectivemeasurefor recognizinghuman

文档评论(0)

docinpfd + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5212202040000002

1亿VIP精品文档

相关文档