脑电信号的混沌分析和小波包变换特征提取算法 .pdfVIP

学兔兔 第32卷 第1期 仪 器 仪 表 学 报 V01．32 No．1 2011年1月 Chinese Journal of Scientific Instrument Jan．2011 脑电信号的混沌分析和小波包变换特征提取算法 罗志增，李亚飞，孟 明，孙 曜 (杭州电子科技大学机器人研究所 杭州 310018) 摘 要：针对脑电(EEG)信号的手部动作模式信息处理，提出一种混沌分析和小波包变换相结合的特征提取方法。用眼动辅助 来采集手部动作时的脑电信号，对采集的C 、C 、Ps和P4脑电信号消噪后分别用混沌分析和小波包变换的方法进行特征提取，前 者提取混沌特征的最大Lyapunov指数和关联维数，组成8维向量；后者提取脑电信号的4种特征节律波，分别计算其相对能量，组 成16维向量；最后把两种方法提取的向量组成24维特征向量，输入SVM分类器，实现基于EEG信号的手部动作模式的识别。对 不同个体上翻、下翻、展拳、握拳4种手部动作的识别实验表明，平均识别率均在80％以上，明显优于其他方法识别的结果。 关键词：脑电信号；手部动作识别；混沌分析；小波包变换；SVM分类器 中图分类号：TP212．13 文献标识码：A 国家标准学科分类代码：510．40 EEG feature extraction algorithm based on chaos analysis and wavelet packet transform Luo Zhizeng，Li Yafei，Meng Ming，Sun Yao (Robotics Research Institute，Hangzhou Dianzi University，Hangzhou 310018，China) Abstract：In order to recognize hand movement based on EEG，a feature extraction method is presented，which combines chaos analysis and wavelet packet transform．Firstly，the eye—motion assisted hand—motion C3，C4，P3 and P4 EEG signals are recorded；after de—noising，the EEG features are extracted using the above mentioned two meth— ods．Chaos analysis method iS used to extract the maximum Lyapunov exponents and correlation dimensions．which make up an 8 dimension vector．Wavelet packet transform is used to extract the 4 feature rhythm waves；their rela— tive ener~es are calculated and a 1 6 dimension vector is built．Then the two resultant vectors are combined to form a 24 dimension feature vector，which is inputted into an SVM classifier to recognize the hand motions．Experimental results indicate that the proposed method can disc