基于hoc-svm的运动状态下脑电的特征提取与分类-西北工业大学.pdfVIP

2012 年 6 月 西 北 工 业 大 学 学 报 June 2012 第 30 卷第 3 期 Journal of Northwestern Polytechnical University Vol． 30 No． 3 基 于 HOC- SVM 的运 动状态下脑 电的 特征提取 与分类 ， ， ， 赵 金 谢松云 郭 正 于海勋 ( ， 7 10072) 西北工业大学 电子信息学 院 陕西 西安 : ， 摘 要 研究人脑在不 同运动状态下 的脑 电信 息 不仅 能够揭示 出各种运动状态对于大脑活动的影 ， - 。 响 也是工程技术人 员设计脑 机接 口与神经修复 系统的关键技术之一 文章根据脑 电信号的 μ 节律 ， ( Higher Order Crossing ，HOC) 变化 首次将表征时间序列摆动特性的 高阶过零分析 方法运用于运动 状态下的脑电信号的特征提取并结合 支持向量机( Support Vector Machine ，SVM) 对输入 的高阶过零 。 SVM ， 特征量进行 了有效的分类 将该方法提取的特征量与基于统计学的特征量分别用 进行分类 结 果表明本方的识别率明显高于基于统计学特征量的方法。说 明基 于 HOC-SVM 方法在脑 电信号的特 征提取与分类 中有较强的可行性和 实用性。 : ， ， ， ， 关 键 词 脑 电信号 高阶过零分析 特征提取 支持向量机 模式识别 中图分类号: TP391 文献标识码: A 文章编号: 1000-2758( 20 12) 03-0435-05 ( Higher order crossings ，HOC) 、 ， 高阶过零 技术是 别适合于复杂 的 非线性数据 的分类和识别 是处理 / ［3］， 近年来迅速发展起来的一种 时间序列 信号分析方 脑 电图等医学信号 的常用的且有力的手段 所 以 ， 法 这种方法以概率理论 和时间序列分析理论为基 本文选择 了支持 向量机作为对脑 电特征进行分类 的 ， 。 础 对经过特定滤波器族处理 的时间序列做过零检 方法 ， ， EEG ， 测 得到一族过零检测值 称这一族过零检测值及得 由于 信号是非平稳随机信号 故本文首先 到这一族过零检测值 的方法为 HOC 。由于 HOC 具 用原始 EEG ，