搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于自适应无参经验小波变换和选择集成分类模型的运动想象

何群 王煜文 杜硕 陈晓玲 谢平

基于自适应无参经验小波变换和选择集成分类模型的运动想象

何群, 王煜文, 杜硕, 陈晓玲, 谢平
PDF
导出引用
  • 运动想象模式识别率的提高对脑机接口(BCI)技术的应用具有重要意义,本文采用自适应无参经验小波变换(APEWT)和选择集成分类模型相结合的方法提高脑电(EEG)信号的分类识别准确率.首先,通过APEWT将EEG信号分解成不同的模态;然后,使用最优模态重构后的信号计算其能量谱(ES)特征,使用最优模态分量计算其边际谱(MS)特征;最后,将不同时间段的ES特征和不同频段的MS特征输入到构建的选择集成分类模型中,从而得到其分类结果,并将该方法与其他4种组合方法进行比较.实验结果表明,本文方法具有较好分类准确率和实时性,其平均分类正确率高于其他4种方法,同时较近期使用相同数据的文献也有优势.本文为在线运动想象类BCI的应用提供了新的方法和思路.
      通信作者: 谢平, pingx@ysu.edu.cn
    • 基金项目: 国家自然科学基金(批准号:61673336)和河北省自然科学基金(批准号:F2015203372)资助的课题.
    [1]

    Zhang D, Li J W 2017 Sci. Technol. Rev. 35 62(in Chinese) [张丹, 李佳蔚 2017 科技导报 35 62]

    [2]

    Gao S, Wang Y, Gao X, Hong B 2014 Trans. Biomed. Eng. 61 1436

    [3]

    Abdulkader S N, Atia A, Mostafa M S M 2015 Egy. Inf. J. 16 213

    [4]

    Fang X L, Jiang Z L 2007 Acta Phys. Sin. 56 7330(in Chinese) [方小玲, 姜宗来 2007 物理学报 56 7330]

    [5]

    Pfurtscheller G, da Silva F H L 1999 Cli. Neurophysiol. 110 1842

    [6]

    Lei M, Meng G, Zhang W M, Nilanjan S 2016 Acta Phys. Sin. 65 108701(in Chinese) [雷敏, 孟光, 张文明, Nilanjan Sarkar 2016 物理学报 65 108701]

    [7]

    Lei M, Meng G, Zhang W M, Joshua W, Nilanjan S 2016 Entropy 18 412

    [8]

    Wang Y, Hou F Z, Dai J F, Liu X F, Li J, Wang J 2014 Acta Phys. Sin. 63 218701(in Chinese) [王莹, 侯凤贞, 戴加飞, 刘新峰, 李锦, 王俊 2014 物理学报 63 218701]

    [9]

    Xu B, Song A 2008 J. Biomed. Sci. Eng. 1 64

    [10]

    Sun H W, Fu Y F, Xiong X, Yang J, Liu C W, Yu Z T 2015 Acta Automatica Sin. 41 1686(in Chinese) [孙会文, 伏云发, 熊馨, 杨俊, 刘传伟, 余正涛 2015 自动化学报 41 1686]

    [11]

    Xie P, Chen X L, Su Y P, Liang Z H, Li X L 2013 Chin. J. Biomed. Eng. 32 641(in Chinese) [谢平, 陈晓玲, 苏玉萍, 梁振虎, 李小俚 2013 中国生物医学工程学报 32 641]

    [12]

    Yang M H, Chen W Z, Li M Y 2017 Acta Automatica Sin. 43 743(in Chinese) [杨默涵, 陈万忠, 李明阳 2017 自动化学报 43 743]

    [13]

    Wu L Y, Lu H, Gao N, Wang T 2017 Chin. J. Biomed. Eng. 36 224(in Chinese) [吴林彦, 鲁昊, 高诺, 王涛 2017 生物医学工程研究 36 224]

    [14]

    Zhang X Q, Liang J 2013 Acta Phys. Sin. 62 050505(in Chinese) [张学清, 梁军 2013 物理学报 62 050505]

    [15]

    Tang Z C, Sun S Q, Zhang K J 2017 Chin. J. Mech. Eng. 53 60(in Chinese) [唐智川, 孙守迁, 张克俊 2017 机械工程学报 53 60]

    [16]

    Gilles J 2013 IEEE Trans. Signal Proc. 61 3999

    [17]

    Gilles J, Heal K 2014 Multiresol. Inf. Proces 12 1450044

    [18]

    Zheng J, Pan H, Yang S, Cheng J 2017 Signal. Proces 130 305

    [19]

    Hou B W 2012 M. S. Dissertation (Xi'an: Xidian University) (in Chinese) 侯秉文 2012 硕士学位论文 (西安: 西安电子科技大学)

    [20]

    Zhao Y, Chen R, Liu W 2016 Comput. Sci. 8 177(in Chinese) [赵宇, 陈锐, 刘蔚 2016计算机科学 8 177]

    [21]

    Lindeberg T, ter Haar R B M 1994 Linear Scale-Space I: Basic Theory (Netherlands: Springer) pp1-38

    [22]

    Cai Y P, Li A H, Wang T, Yao L, Xu P 2010 J. Vibra. Eng. 4 430(in Chinese) [蔡艳平, 李艾华, 王涛, 姚良, 许平 2010 振动工程学报 4 430]

    [23]

    Huang G B, Zhu Q Y, Siew C K 2004 IEEE International Joint Conference on Neural Networks Proceedings Budapest, Hungary, July 25-29, 2004 p985

    [24]

    Huang G B, Zhu Q Y, Siew C K 2006 Neurocomput 70 489

    [25]

    Bentlemsan M, Zemouri E T T, Bouchaffra D, Yahya-Zoubir, B, Ferroudji, K 2014 5th International Conference on Intelligent Systems, Modelling and Simulation, Langkawi, Malaysia, Jan. 27-29, 2014 p235

    [26]

    Suk H I, Lee S W 2013 Trans. Patt. Anal. Mach. Intelli 35 286

  • [1]

    Zhang D, Li J W 2017 Sci. Technol. Rev. 35 62(in Chinese) [张丹, 李佳蔚 2017 科技导报 35 62]

    [2]

    Gao S, Wang Y, Gao X, Hong B 2014 Trans. Biomed. Eng. 61 1436

    [3]

    Abdulkader S N, Atia A, Mostafa M S M 2015 Egy. Inf. J. 16 213

    [4]

    Fang X L, Jiang Z L 2007 Acta Phys. Sin. 56 7330(in Chinese) [方小玲, 姜宗来 2007 物理学报 56 7330]

    [5]

    Pfurtscheller G, da Silva F H L 1999 Cli. Neurophysiol. 110 1842

    [6]

    Lei M, Meng G, Zhang W M, Nilanjan S 2016 Acta Phys. Sin. 65 108701(in Chinese) [雷敏, 孟光, 张文明, Nilanjan Sarkar 2016 物理学报 65 108701]

    [7]

    Lei M, Meng G, Zhang W M, Joshua W, Nilanjan S 2016 Entropy 18 412

    [8]

    Wang Y, Hou F Z, Dai J F, Liu X F, Li J, Wang J 2014 Acta Phys. Sin. 63 218701(in Chinese) [王莹, 侯凤贞, 戴加飞, 刘新峰, 李锦, 王俊 2014 物理学报 63 218701]

    [9]

    Xu B, Song A 2008 J. Biomed. Sci. Eng. 1 64

    [10]

    Sun H W, Fu Y F, Xiong X, Yang J, Liu C W, Yu Z T 2015 Acta Automatica Sin. 41 1686(in Chinese) [孙会文, 伏云发, 熊馨, 杨俊, 刘传伟, 余正涛 2015 自动化学报 41 1686]

    [11]

    Xie P, Chen X L, Su Y P, Liang Z H, Li X L 2013 Chin. J. Biomed. Eng. 32 641(in Chinese) [谢平, 陈晓玲, 苏玉萍, 梁振虎, 李小俚 2013 中国生物医学工程学报 32 641]

    [12]

    Yang M H, Chen W Z, Li M Y 2017 Acta Automatica Sin. 43 743(in Chinese) [杨默涵, 陈万忠, 李明阳 2017 自动化学报 43 743]

    [13]

    Wu L Y, Lu H, Gao N, Wang T 2017 Chin. J. Biomed. Eng. 36 224(in Chinese) [吴林彦, 鲁昊, 高诺, 王涛 2017 生物医学工程研究 36 224]

    [14]

    Zhang X Q, Liang J 2013 Acta Phys. Sin. 62 050505(in Chinese) [张学清, 梁军 2013 物理学报 62 050505]

    [15]

    Tang Z C, Sun S Q, Zhang K J 2017 Chin. J. Mech. Eng. 53 60(in Chinese) [唐智川, 孙守迁, 张克俊 2017 机械工程学报 53 60]

    [16]

    Gilles J 2013 IEEE Trans. Signal Proc. 61 3999

    [17]

    Gilles J, Heal K 2014 Multiresol. Inf. Proces 12 1450044

    [18]

    Zheng J, Pan H, Yang S, Cheng J 2017 Signal. Proces 130 305

    [19]

    Hou B W 2012 M. S. Dissertation (Xi'an: Xidian University) (in Chinese) 侯秉文 2012 硕士学位论文 (西安: 西安电子科技大学)

    [20]

    Zhao Y, Chen R, Liu W 2016 Comput. Sci. 8 177(in Chinese) [赵宇, 陈锐, 刘蔚 2016计算机科学 8 177]

    [21]

    Lindeberg T, ter Haar R B M 1994 Linear Scale-Space I: Basic Theory (Netherlands: Springer) pp1-38

    [22]

    Cai Y P, Li A H, Wang T, Yao L, Xu P 2010 J. Vibra. Eng. 4 430(in Chinese) [蔡艳平, 李艾华, 王涛, 姚良, 许平 2010 振动工程学报 4 430]

    [23]

    Huang G B, Zhu Q Y, Siew C K 2004 IEEE International Joint Conference on Neural Networks Proceedings Budapest, Hungary, July 25-29, 2004 p985

    [24]

    Huang G B, Zhu Q Y, Siew C K 2006 Neurocomput 70 489

    [25]

    Bentlemsan M, Zemouri E T T, Bouchaffra D, Yahya-Zoubir, B, Ferroudji, K 2014 5th International Conference on Intelligent Systems, Modelling and Simulation, Langkawi, Malaysia, Jan. 27-29, 2014 p235

    [26]

    Suk H I, Lee S W 2013 Trans. Patt. Anal. Mach. Intelli 35 286

  • 引用本文:
    Citation:
计量
  • 文章访问数:  1796
  • PDF下载量:  185
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-01-25
  • 修回日期:  2018-03-13
  • 刊出日期:  2018-06-05

基于自适应无参经验小波变换和选择集成分类模型的运动想象

  • 1. 燕山大学电气工程学院, 河北省测试计量技术及仪器重点实验室, 秦皇岛 066004
  • 通信作者: 谢平, pingx@ysu.edu.cn
    基金项目: 

    国家自然科学基金(批准号:61673336)和河北省自然科学基金(批准号:F2015203372)资助的课题.

摘要: 运动想象模式识别率的提高对脑机接口(BCI)技术的应用具有重要意义,本文采用自适应无参经验小波变换(APEWT)和选择集成分类模型相结合的方法提高脑电(EEG)信号的分类识别准确率.首先,通过APEWT将EEG信号分解成不同的模态;然后,使用最优模态重构后的信号计算其能量谱(ES)特征,使用最优模态分量计算其边际谱(MS)特征;最后,将不同时间段的ES特征和不同频段的MS特征输入到构建的选择集成分类模型中,从而得到其分类结果,并将该方法与其他4种组合方法进行比较.实验结果表明,本文方法具有较好分类准确率和实时性,其平均分类正确率高于其他4种方法,同时较近期使用相同数据的文献也有优势.本文为在线运动想象类BCI的应用提供了新的方法和思路.

English Abstract

参考文献 (26)

目录

    /

    返回文章
    返回