基于ERD和累积能量的脑电特征提取方法.pdfVIP

摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 计算机技术与发展摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 第27卷 基于ERD和累积能量的脑电特征提取方法 1 1,2 1,2 1,2 林文通 ,张学军 ,黄丽亚 ,成谢锋 (1.南京邮电大学 电子科学与工程学院,江苏 南京 210023; 2.江苏省射频集成与微组装工程实验室,江苏 南京 210023) 摘摇 要:为了提高运动想象脑-机接口的分类正确率,提出了一种基于事件相关去同步(ERD)的频带能量特征和累积能量 特征相结合的特征提取方法。 对脑电信号提取ERD频带能量特征,使用线性判别分析(LDA)分类器进行分类,将LDA分 类器的输出 作为分类置信度。 当 大于设定的阈值时,判断进入运动想象状态,提取累积能量特征,将ERD频带能量 D D 特征与累积能量特征相结合,构建联合特征向量,使用LDA分类器进行了分类,得到最终分类结果。 采用BCI 2003竞赛 数据集Data III进行了实验。 实验结果以分类正确率和互信息(MI)作为评估标准,提出的方法最大分类正确率为90%, 最大互信息为0.51,结果优于大部分使用相同数据集的参赛队伍。 实验结果验证了所提出方法的可行性、有效性,为设计 在线脑-机接口模型提供了参考。 关键词:脑-机接口;事件相关去同步;累积能量;运动想象 中图分类号:R318摇 摇 摇 摇 摇 摇 文献标识码:A摇 摇 摇 摇 摇 摇 摇 文章编号:1673-629X(2017)06-0086-05 doi:10.3969/j.issn.1673-629X.2017.06.018 EEG Feature Extraction Method Based on ERD and Accumulated Power 1 1,2 1,2 1,2 LIN Wen-tong ,ZHANG Xue-jun ,HUANG Li-ya ,CHENG Xie-feng (1.School of Electronic Science and Engineering,Nanjing University of Postsand Telecommunications, Nanjing210023,China; 2.Jiangsu Province Engineering Lab of RF Integration Micropackage,Nanjing210023,China) Abstract:Inordertoimprovetheaccuracyofclassificationbasedonmotorimagerybrain-computerinterface,afeatureextractionmethod based onthecombinationoftheEventRelatedDesychronization (ERD)featureandaccumulatedpowerfeaturehasbeenproposed,which extractsERD band power featurefromEEG signalandusesLinear Determination Analysis (LDA)classifier to classifybandpower fea鄄 ture.The LDA classifier爷soutputDhasbeentakenasconfidencelevelofclassification.Whenitisbiggerthanthethreshold,them