天津大学学报
天津大學學報
천진대학학보
JOURNAL OF TIANJIN UNIVERSITY SCIENCE AND TECHNOLOGY
2013年
9期
784-790
,共7页
李红利%王江%邓斌%魏熙乐
李紅利%王江%鄧斌%魏熙樂
리홍리%왕강%산빈%위희악
脑-机接口%运动想象%自适应自回归模型%累积频带能量
腦-機接口%運動想象%自適應自迴歸模型%纍積頻帶能量
뇌-궤접구%운동상상%자괄응자회귀모형%루적빈대능량
brain-computer interface(BCI)%motor imagery%adaptive autoregressive model(AAR)%accumulated band power
提出了一种自适应自回归(AAR)模型参数和累积频带能量相结合的特征提取方法,该特征应用于基于运动想象脑-杌接口(BCI)之中,实现左右手运动想象分类,改善BCI系统的性能.首先,对头皮EEG数据进行小波分解和重构,去除EEG中的噪声,得到不同频带的EEG数据.然后,提取EEG数据的AAR模型参数特征和不同频带的频带能量特征,提出了累积频带能量特征和AAR与累积频带能量相结合的特征提取方法,分别以AAR模型参数、频带能量、累积频带能量和AAR+累积频带能量为特征,利用线性判别分析(LDA)分类器对左右手运动想象任务进行特征分类.最后,对不同特征的分类结果进行比较,得出以AAR+累积频带能量作为特征在BCI系统中的优越性能.
提齣瞭一種自適應自迴歸(AAR)模型參數和纍積頻帶能量相結閤的特徵提取方法,該特徵應用于基于運動想象腦-杌接口(BCI)之中,實現左右手運動想象分類,改善BCI繫統的性能.首先,對頭皮EEG數據進行小波分解和重構,去除EEG中的譟聲,得到不同頻帶的EEG數據.然後,提取EEG數據的AAR模型參數特徵和不同頻帶的頻帶能量特徵,提齣瞭纍積頻帶能量特徵和AAR與纍積頻帶能量相結閤的特徵提取方法,分彆以AAR模型參數、頻帶能量、纍積頻帶能量和AAR+纍積頻帶能量為特徵,利用線性判彆分析(LDA)分類器對左右手運動想象任務進行特徵分類.最後,對不同特徵的分類結果進行比較,得齣以AAR+纍積頻帶能量作為特徵在BCI繫統中的優越性能.
제출료일충자괄응자회귀(AAR)모형삼수화루적빈대능량상결합적특정제취방법,해특정응용우기우운동상상뇌-올접구(BCI)지중,실현좌우수운동상상분류,개선BCI계통적성능.수선,대두피EEG수거진행소파분해화중구,거제EEG중적조성,득도불동빈대적EEG수거.연후,제취EEG수거적AAR모형삼수특정화불동빈대적빈대능량특정,제출료루적빈대능량특정화AAR여루적빈대능량상결합적특정제취방법,분별이AAR모형삼수、빈대능량、루적빈대능량화AAR+루적빈대능량위특정,이용선성판별분석(LDA)분류기대좌우수운동상상임무진행특정분류.최후,대불동특정적분류결과진행비교,득출이AAR+루적빈대능량작위특정재BCI계통중적우월성능.
