基于DWT、MEMD和模糊熵的脑电信号特征提取与分类研究

作者：陈倩倩; 徐健^*; 刘秀平; 黄磊; 惠楠

来源：河南理工大学学报(自然科学版), 2022, 41(01): 143-152.

DOI：10.16186/j.cnki.1673-9787.2020080018

• 脑电信号
• 离散小波变换
• 多变量经验模态分解
• 模糊熵
• 特征提取

针对脑电信号分类准确率不高导致脑控设备控制稳定性差的问题,提出一种基于离散小波变换(DWT)、多变量经验模态分解(MEMD)和模糊熵的特征提取与分类方法。首先,利用DWT将脑电信号分解成一系列窄带信号;其次,利用MEMD对子带信号进行分解,得到一系列本征模函数(IMFs),选择合适的IMFs进行信号重构,利用模糊熵算法对信号提取特征,作为实验的特征向量;最后,使用支持向量机(SVM)进行分类。利用脑机接口(BCI)大赛数据作为验证集,验证了该算法的有效性,使分类精度提高到了96.2%,同时解决了经验模态分解(EMD)中频带覆盖较广的问题。

• 单位
  西安工程大学