运动想象脑电信号特征提取及分类(凑字数专用)

针对脑机接口(BCI)系统中存在的信息传输速率较慢和脑电信号识别正确率较低的问题，对多通道四类运动想象脑电信号进行研究．通过对4种运动想象及休息状态脑电信号进行功率谱分析，合理确定预处理滤波器的最佳滤波频段，然后使用PW-CSP，Hilbert变换及归一化处理的方法，对四类运动想象脑电信号进行特征提取，分类算法分为特征信号算术求和与阈值比较的预分类过程及包含单个支持向量机(SVM)的细分类过程，算法复杂度明显比采用多个SVM组合的多类分类算法要低，为实现算法的在线应用打下基础．仿真结果表明，该算法分类正确

针对运动想象脑电信号特征提取困难，分类正确率低的问题，提出了利用小波熵进行特征提取并采用支持向量机（SVM）来分类的算法。计算运动想象脑电信号的功率，通过理论分析选择小波包尺度，对信号功率进行小波包分解并计算其小波包熵（WPE），提取C3、C4导联的小波包熵插值组成特征向量，将特征向量作为分类器的输入送入支持向量机进行分类。采用国际BCI竞赛2003中的Graz数据进行验证，算法的最高分类正确率达97.56%。算法特征向量维数低、数据量小、分类正确率高，对运动想象脑电信号特征提取及分类的任务可以提供参考方法。