北京市教委资助项目(KM201110005005)
- 作品数：3 被引量：56H指数：2
- 相关作者：李明爱杨金福崔燕郝冬梅李骧更多>>
- 相关机构：北京工业大学更多>>
- 发文基金：北京市自然科学基金北京市教委资助项目国家自然科学基金更多>>
- 相关领域：医药卫生更多>>
- 脑电信号中眼电伪迹自动去除方法的研究被引量：19
- 2013年
- 针对实际采集的脑电信号受眼电干扰较大,提出一种基于离散小波变换(DWT)与独立分量分析(ICA)的自动去除眼电伪迹的方法(DWIC).对采集的多导脑电和眼电信号进行离散小波变换,获取多尺度小波系数,将串接小波系数作为ICA的输入;利用基于负熵判据的FastICA算法实现独立成分的快速获取,引入夹角余弦准则自动识别眼迹成分,并经过ICA逆变换将剔除眼迹后的独立成分投影返回到原脑电信号各个电极;通过DWT逆变换重构信号,即可得到去除眼迹的各导脑电信号.实验结果表明,DWICA方法极大地提高了脑电信号的信噪比,抗噪能力强且实时性好,为脑电信号的在线预处理提供了新思路.
- 李明爱崔燕杨金福
- 关键词：脑电离散小波变换独立分量分析
- 基于小波包法与CSSD的P300特征提取方法被引量：2
- 2014年
- 针对P300电位信号微弱、抗干扰能力差、识别率低等问题,提出一种小波包变换(wavelet packet transform,WPT)与共空域子空间分解法(spatial subspace decomposition,CSSD)相结合的特征提取方法,即WPCSSD法.首先,对脑电信号进行叠加平均以提高信号的信噪比;其次,使用小波包法对脑电信号进行滤波,并依据P300电位的有效时频信息重构脑电信号;然后,求取其AR模型功率谱,并基于CSSD法构造空间滤波器,获得能体现P300电位时-频-空特征的特征向量;最后,以支持向量机为分类器进行分类.实验结果表明:本方法具有较强的抗干扰能力和自适应能力,在国际BCI竞赛数据集上获得了95.22%的分类正确率,证明了本方法的正确性和有效性.
- 李明爱李骧杨金福郝冬梅
- 关键词：P300电位特征提取小波包
- 基于HHT和CSSD的多域融合自适应脑电特征提取方法被引量：37
- 2013年
- 为改善运动想象脑电信号特征提取的自适应性和实时性,提出一种基于希尔伯特-黄变换(HHT)与共空域子空间分解算法(CSSD)的特征提取方法(HCSSD).在对脑电信号进行预处理的基础上,定义一种相对距离准则优选脑电极组合;计算脑电的Hilbert瞬时能量谱和边际能量谱,以获取脑电的时-频特征,并基于CSSD提取其空域特征,采用串行特征融合策略得到脑电的时-频-空特征;设计学习矢量量化神经网络分类器,实现脑电数据分类.在训练集与测试集间隔一周且减少导联数量的情况下,基于HCSSD对左手小指和舌头的运动想象ECoG脑电数据的平均识别率为92%.实验结果表明:HCSSD在增强特征提取方法的自适应性、改善实时性的同时,提高了脑电信号识别率,为便携式BCI系统在康复领域的应用创造了条件.
- 李明爱崔燕杨金福郝冬梅
- 关键词：希尔伯特-黄变换自适应
