基于DWT、MEMD和模糊熵的脑电信号特征提取与分类研究
陈倩倩
徐健
刘秀平
黄磊
惠楠
西安工程大学 电子信息学院,陕西 西安 710048
摘要：针对脑电信号分类准确率不高导致脑控设备控制稳定性差的问题,提出一种基于离散小波变换(DWT)、多变量经验模态分解(MEMD)和模糊熵的特征提取与分类方法.首先,利用DWT将脑电信号分解成一系列窄带信号;其次,利用MEMD对子带信号进行分解,得到一系列本征模函数(IMFs),选择合适的IMFs进行信号重构,利用模糊熵算法对信号提取特征,作为实验的特征向量;最后,使用支持向量机(SVM)进行分类.利用脑机接口(BCI)大赛数据作为验证集,验证了该算法的有效性,使分类精度提高到了96.2％,同时解决了经验模态分解(EMD)中频带覆盖较广的问题.
关键词：脑电信号离散小波变换多变量经验模态分解模糊熵特征提取
分类号：TP183(自动化基础理论)
资助基金：陕西省重点研发项目(2018GY-173)陕西省重点研发项目(2019KJ-036)
论文发表日期：2022-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 143-152 )
英文信息