搜索

文章查询

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
导出核心图
  • 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

  • [1] 张涛, 陈万忠, 李明阳. 基于频率切片小波变换和支持向量机的癫痫脑电信号自动检测. 物理学报, 2016, 65(3): 038703. doi: 10.7498/aps.65.038703
    [2] 王跃钢, 文超斌, 杨家胜, 左朝阳, 崔祥祥. 基于无模型方法的混沌系统自适应控制. 物理学报, 2013, 62(10): 100504. doi: 10.7498/aps.62.100504
    [3] 蔡俊伟, 胡寿松, 陶洪峰. 基于选择性支持向量机集成的混沌时间序列预测. 物理学报, 2007, 56(12): 6820-6827. doi: 10.7498/aps.56.6820
    [4] 行鸿彦, 祁峥东, 徐伟. 基于选择性支持向量机集成的海杂波背景中的微弱信号检测. 物理学报, 2012, 61(24): 240504. doi: 10.7498/aps.61.240504
    [5] 汪祥莉, 王斌, 王文波, 喻敏. 混沌背景下非平稳谐波信号的自适应同步挤压小波变换提取. 物理学报, 2016, 65(20): 200202. doi: 10.7498/aps.65.200202
    [6] 韦笃取, 张波. 基于无源性理论自适应镇定具有v/f输入的永磁同步电动机的混沌运动. 物理学报, 2012, 61(3): 030505. doi: 10.7498/aps.61.030505
    [7] 王莹, 侯凤贞, 戴加飞, 刘新峰, 李锦, 王俊. 基于自适应模板法的脑电信号转移熵分析. 物理学报, 2015, 64(8): 088701. doi: 10.7498/aps.64.088701
    [8] 王 凯, 张 会, 常胜江, 申金媛. 用于复杂光谱数据压缩的自适应小波算法. 物理学报, 2007, 56(6): 3613-3618. doi: 10.7498/aps.56.3613
    [9] 缪志强, 王耀南. 基于径向小波神经网络的混沌系统鲁棒自适应反演控制. 物理学报, 2012, 61(3): 030503. doi: 10.7498/aps.61.030503
    [10] 张宗燧. 李模型中极点的运动. 物理学报, 1965, 116(11): 1882-1888. doi: 10.7498/aps.21.1882
    [11] 卞保民, 杨 玲, 张 平, 纪运景, 李振华, 倪晓武. 理想气体球面强冲击波一般自模拟运动模型. 物理学报, 2006, 55(8): 4181-4187. doi: 10.7498/aps.55.4181
    [12] 罗晓曙, 张波, 丘东元, 韦笃取. 基于LaSalle不变集定理自适应控制永磁同步电动机的混沌运动. 物理学报, 2009, 58(9): 6026-6029. doi: 10.7498/aps.58.6026
    [13] 郑刚, 邹见效, 徐红兵, 秦钢. 直驱型永磁同步风力发电机组中混沌运动的反步自适应控制. 物理学报, 2011, 60(6): 060506. doi: 10.7498/aps.60.060506
    [14] 孟庆芳, 陈月辉, 冯志全, 王枫林, 陈珊珊. 基于局域相关向量机回归模型的小尺度网络流量的非线性预测. 物理学报, 2013, 62(15): 150509. doi: 10.7498/aps.62.150509
    [15] 高国荣, 刘艳萍, 潘琼. 基于小波域可导阈值函数与自适应阈值的脉冲星信号消噪. 物理学报, 2012, 61(13): 139701. doi: 10.7498/aps.61.139701
    [16] 余海军, 杜建明, 张秀兰. 相干态的小波变换. 物理学报, 2012, 61(16): 164205. doi: 10.7498/aps.61.164205
    [17] 孟庆芳, 陈珊珊, 陈月辉, 冯志全. 基于递归量化分析与支持向量机的癫痫脑电自动检测方法. 物理学报, 2014, 63(5): 050506. doi: 10.7498/aps.63.050506
    [18] 赵益波, 张秀再, 孙心宇. 基于Weiner模型超混沌l系统的自适应辨识. 物理学报, 2014, 63(13): 130503. doi: 10.7498/aps.63.130503
    [19] 韩崇昭, 孙增国. 基于区域分类、自适应滑动窗和结构检测的合成孔径雷达图像联合降斑算法. 物理学报, 2010, 59(5): 3210-3220. doi: 10.7498/aps.59.3210
    [20] 康荣宗, 田鹏武, 于宏毅. 一种基于选择性测量的自适应压缩感知方法. 物理学报, 2014, 63(20): 200701. doi: 10.7498/aps.63.200701
  • 引用本文:
    Citation:
计量
  • 文章访问数:  371
  • PDF下载量:  155
  • 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