典型文献
基于HHT和AR模型的步行想象和空闲状态识别研究
文献摘要：
目前,大多数运动想象(Motor Imagery,MI)针对的是单侧肢体的研究,而传统的单侧肢体简单的运动想象不易被患者理解并且康复效果有限.本研究针对运动协调想象,设计了一种新的步行想象范式,该范式需要被试想象正常的步行动作,其涉及复合肢体的协调配合,同时,对被试的空闲状态进行识别.招募了 18名被试参与本实验,分别采集了步行想象和空闲状态的脑电信号;接着分别采用自回归(Auto Regressive,AR)模型、共空间模式(Common Spatial Pattern,CSP)、希尔伯特-黄变换(Hil-bert-Huang Transform,HHT)和AR模型组合方法提取特征,最后采用支持向量机(Support Vector Machine,SVM)对步行想象和空闲状态两类任务进行分类.结果显示采用AR模型提取特征取得的平均、最高和最低分类正确率分别为63.28±6.33％、80.15％和51.56％;采用CSP提取特征取得的平均、最高和最低分类正确率分别为73.58±5.37％、85.47％和59.97％;采用HHT和AR模型组合方法提取特征取得的平均、最高、最低分类正确率分别为80.51±4.06％、89.59％和62.41％.本研究表明,HHT和AR结合的特征可用于识别步行想象和空闲状态,且可分性较好.本研究可望为基于步行想象的BCI用于脑卒中偏瘫患者运动障碍康复提供思路.
文献关键词：
步行想象;运动协调想象;HHT;AR模型;空闲状态
中图分类号：
作者姓名：
程昭立;王晓琳;李红权;李鸿云;伏云发
作者机构：
昆明理工大学信息工程与自动化学院,云南昆明650500;昆明理工大学脑认知与脑机智能融合创新团队,云南昆明650500;云南省计算机技术应用重点实验室,云南昆明650500
文献出处：
引用格式：
[1]程昭立;王晓琳;李红权;李鸿云;伏云发-.基于HHT和AR模型的步行想象和空闲状态识别研究)[J].小型微型计算机系统,2022(05):1013-1019
A类：
步行想象,运动协调想象
B类：
HHT,空闲状态,状态识别,运动想象,Motor,Imagery,MI,侧肢,康复效果,试想,协调配合,招募,脑电信号,自回归,Auto,Regressive,共空间模式,Common,Spatial,Pattern,CSP,希尔伯特,黄变,Hil,bert,Huang,Transform,模型组合,组合方法,提取特征,Support,Vector,Machine,可分性,可望,BCI,脑卒中偏瘫患者,运动障碍
AB值：
0.315798
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
