基于模糊化符号复杂度的脑电运动想象识别算法.pdfVIP

第26卷 第5期 传 感 技 术 学 报 Vo1．26 No．5 2013年 5月 CHINESE JOURNALOF SENSORSANDACTUATORS Mav20l3 EEGRecognitionAlgorithmofMotorImageryBasedonFuzzySymboliccomplexity ZHOU Guangsheng，LUO ，GAO Yunyuan (RobotResearchInstitute，HangzhouDianziUniversity，Hangzhou310018，China) Abstract：AmethodofElectr0encephalogram(EEG)featureextractionandrecognitionofmotorimagerybasedon fuzzysymboliccomplexityisproposed．IntroduceFuzzyalgorithm in theEEG complexityfine—grainedandmulti— symbolmetrics，fuzzyprocessingwith the sigmoid function，and calculate fuzzy symbolic complexityby logical judgment．Selectthefinegrainingindexnas2，extractfuzzysymboliccomplexityasacharacteristicvalue，and finallyusetheSupportVectorMachinetoclassifyEEG consciousnesstaskofmotorimagery．Theexperimentalresult showsthattheaverageclassificationaccuracyofEEG oftwohandsmotorimagery carlreach88．67％ tothehighest owingtotheclassificationmethodfeaturedbyfuzzysymboliccomplexity，whichexcelsthealgorithm ofbinary quan· tifieationLempel-Zivcomplexity． Keywords：motorimagery ；fuzzysymboliccomplexity；brain—computerinterface；featureextraction． EEACC：7230J doi：10．3969／j．issn．1004-1699．2013．05．001 基于模糊化符号复杂度的脑 电运动想象识别算法米 周光省，罗志增 ，高云园 (杭州电子科技大学机器人研究所，杭州310018) 摘 要 ：提出一种基于模糊化符号复杂度的运动想象脑电信号特征提取与识别方法。在脑电信号的复杂度细粒化多符号度 量中引入模糊算法 ，用 sigmoid函数模糊化处理 ，逻辑判断得到模糊化符号复杂度。取细粒化指数n为2，提取模糊化符号复 杂度作为特征值 ，最后利用支持向量机对脑电运动想象任务进行分类识别。实验结果表明，以模糊化符号复杂度为特征的分 类方法，对左右手运动想象脑电信号的分类识别率最高达88．67％，优于二值化Lempel—Ziv复杂度算法。 关键词 ：运动想象；模糊化；脑机接口；特征提取 中图分类号：TP391 文献标识码 ：A 文章编号：1004-1699(2013)05-0595-05 脑机接 口BCI(BrainComputerInterface)是不依 尺度时，时轴上观察范同大，而在频域上相当于用低 赖于大脑外周神经与肌肉组成的正常输出通路的控 频小波作概貌观察。季忠 采用小波变换法处理 制系统…。基于脑 电的BCI技术，把脑 电信号转化 脑 电信号时，在时域、频域都具有表征信号局部特征 为对外界的控制信号，实现了人脑控制信息与计算 的能力。因为脑 电