四类运动想象脑电信号的特征提取与分类.PDFVIP

第３７卷第６期 南京邮电大学学报（自然科学版） Ｖｏｌ．３７ Ｎｏ．６ 　 ２０１７年１２月 ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） 　 Ｄｅｃ２０１７ ｄｏｉ：１０．１４１３２／ｊ．ｃｎｋｉ．１６７３５４３９．２０１７．０６．００３ 四类运动想象脑电信号的特征提取与分类 徐　欣，王　娜 南京邮电大学 通信与信息工程学院，江苏 南京　２１０００３ ( ) 摘要：对多类运动想象脑电信号的特征提取是研究脑机接口（ＢＣＩ）的关键技术之一，文中针对脑电 信号事件相关同步和事件相关去同步现象来识别想象运动状态、自主采集数据，并采用频带能量提 取和共同空间模式两种方法进行特征提取，用支持向量机对其分类。结果显示，共同空间模式的特 征提取方法优于频带能量特征提取，其最高的准确率达８６．３％。由数据结果可得，可以用共同空 间模式的方法对运动想象脑电信号进行有效特征提取。 关键词：运动想象；频带能量；共同空间模式；支持向量机 中图分类号：ＴＮ９１１．７２　　文献标志码：Ａ　　文章编号：１６７３５４３９（２０１７）０６００１８０５ ＦｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎａｎｄｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆＥＥＧｓｉｇｎａｌｓ ｉｎｆｏｕｒｋｉｎｄｓｏｆｍｏｔｉｏｎｉｍａｇｉｎａｔｉｏｎ ＸＵＸｉｎ，ＷＡＮＧＮａ ( ＣｏｌｌｅｇｅｏｆＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ＆ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１０００３，Ｃｈｉｎａ) Ａｂｓｔｒａｃｔ：ＴｈｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｏｆＥＥＧｓｉｇｎａｌｓｉｓｏｎｅｏｆｔｈｅｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓｏｎＢＣＩ．Ｔｏｉｄｅｎｔｉｆｙｔｈｅｉ ｍａｇｉｎａｒｙｍｏｖｅｍｅｎｔｓｔａｔｅ，ｔｈｉｓｐａｐｅｒｕｓｅｓｔｈｅＥＥＧｓｉｇｎａｌｓｙｎｃｈｒｏｎｉｚａｔｉｏｎａｎｄｄｅｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ．Ｔｈｅｄａｔａ ａｒｅｉｎｄｅｐｅｎｄｅｎｔｌｙｃｏｌｌｅｃｔｅｄ，ａｎｄｔｈｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｉｓｃａｒｒｉｅｄｏｕｔｂｙｂａｎｄｅｎｅｒｇｙｅｘｔｒａｃｔｉｏｎａｎｄｃｏｍ ｍｏｎｓｐａｃｅｐａｔｔｅｒｎ．Ｔｈｅｎ，ｔｈｅＳＶＭｉｓｕｓｅｄｔｏｃｌａｓｓｉｆｙｔｈｅｄａｔａ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｆｏｒｈｅ ｃｏｍｍｏｎｓｐａｃｅｐａｔｔｅｒｎｉｓｓｕｐｅｒｉｏｒｔｏｔｈｅｂａｎｄｅｎｅｒｇｙｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ，ａｎｄｔｈｅｈｉｇｈｅｓｔａｃｃｕｒａｃｙｒａｔｅｉｓ ８６．３％．ＩｔｃａｎｂｅｓｅｅｎｆｒｏｍｔｈｅｒｅｓｕｌｔｓｔｈａｔｔｈｅｃｏｍｍｏｎｓｐａｔｉａｌｐａｔｔｅｒｎｃａｎｂｅｕｓｅｄｔｏｅｘｔｒａｃｔｔｈｅＥＥＧ ｓｉｇｎａｌｓｆｒｏｍｔｈｅｍｏｔｉｏｎｉｍａｇｉｎａｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｍｏｔｉｏｎｉｍａｇｉｎａｔｉｏｎ；ｂａｎｄｅｎｅｒｇｙ；ｃｏｍｍｏｎｓｐａｃｅｐａｔｔｅｒｎ；ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ 　　随着社会的不断进步，人们的生活方式也有了 作为ＢＣＩ的关键技术，如何对信号进行快速有 很大的改变。比如在获得更加便利交通的同时，也 效的特征提取和分类，是现在研究 ＢＣＩ的重点。通 有了许多车祸的发生，许多人丧失了劳动能力，ＢＣＩ 常研究人员使用的特征提取方法有多通道脑电的时 （ＢｒａｉｎＣｏｍｐｕｔｅｒＩｎｔｅｒｆａｃｅ）技术就可以用来帮助他 域分析法、功率谱密度（ＰＳＭ）、自适应回归模型法