基于共空间模式和k近邻分类器的脑_机接口信号分类方法

基于共空间模式和k近邻分类器的脑_机接口信号分类方法

ID:9219762

大小:1.95 MB

页数:4页

时间:2018-04-23

基于共空间模式和k近邻分类器的脑_机接口信号分类方法_第1页
基于共空间模式和k近邻分类器的脑_机接口信号分类方法_第2页
基于共空间模式和k近邻分类器的脑_机接口信号分类方法_第3页
基于共空间模式和k近邻分类器的脑_机接口信号分类方法_第4页
资源描述:

《基于共空间模式和k近邻分类器的脑_机接口信号分类方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第30卷第8期东北大学学报(自然科学版)Vol30,No.82009年8月JournalofNortheasternUniversity(NaturalScience)Aug.2009基于共空间模式和K近邻分类器的脑-机接口信号分类方法叶柠,孙宇舸,王旭(东北大学信息科学与工程学院,辽宁沈阳110004)摘要:脑-机接口是指在人脑和计算机之间建立的直接的交流和控制通道,它以脑电信号的形式反映人的意识,并转换成控制信号针对两类运动想象脑电信号的分类问题,提出共空间模式和小波包分解相结合的脑电信号特征提取方法利用不同小波包对训练集的多路脑电信号进行分解,再用共空间模式

2、算法对不同分解层子带的脑电信号进行特征提取,并采用K近邻分类器对提取到的不同特征进行分类,得到最优小波包函数和小波包子带参数将结果应用于测试集数据的分类仿真实验结果表明,选择db4小波包函数和4层小波包分解层,对8个特征点进行分类,可以得到高达96%的正确率关键词:脑-机接口;脑电信号;共空间模式;小波包;K近邻分类器中图分类号:TP391文献标识码:A文章编号:10053026(2009)08110704ClassificationofBrainComputerInterfaceSignalsBasedonCommonSpatialPatternsa

3、ndKNearestNeighborsYENing,SUNYuge,WANGXu(SchoolofInformationScience&Engineering,NortheasternUniversity,Shenyang110004,China.Correspondent:YENing,Email:yening@ise.neu.edu.cn)Abstract:Braincomputerinterface(BCI)referstoacommunication/controlchannelbetweenhumanandcomputer,whichreflectshumanin

4、tentionintheformofEEGsignalthenconvertsitintocontrolsignal.TwokindsofEEGsignalsofimaginarymotionsareclassified,towhichthefeatureextractioncombiningthewaveletpacketdecomposition(WPD)withcommonspatialpattern(CSP)ispresentedforEEGsignals.DifferentwaveletpacketsareusedtodecomposethemultichannelEE

5、Gsignalsintrainingset,whereasCSPcanextractthefeaturesofEEGsignalsfromthesubbandsatdifferentdecomposedlevels.Furthermore,theKnearestneighbors(KNN)isusedtoclassifythedifferentfeaturesthusextractedtoobtaintheoptimumwaveletfunctionandrelevantsubbandparameterswhichareusedtoclassifytestdata.Simulat

6、ionresultsshowedthatifthewaveletpacketfunctionisdb4with4decomposedlevelsand8featurepointsareselected,thehighestclassificationaccuracycanbeupto96%.Keywords:braincomputerinterface(BCI);EEG(electroencephalogram);commonspatialpatterns(CSP);waveletpacket;Knearestneighbors(KNN)脑-机接口(braincomputer

7、interface,BCI)取的信号特征进行分类,转换成可以被计算机识是指在人脑和计算机或其他电子设备之间建立的别的命令或操作信号直接的交流和控制通道通过这种通道,人们可以在脑-机接口的研究中,提出了多种特征提直接通过大脑来表达想法或操纵设备,而不需要取和分类的算法,尽管大部分文献都表明其算法[1]通过语言或肢体的动作其技术的核心是对用具有很好的效果,但由于测量对象和测量环境的户输入的脑电信号(EEG)进行特征提取,并将提影响,被分析的数据本身存在很大的差异,评

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。