典型文献
EEG信号识别中可调优化Q因子小波变换的多特征融合算法
文献摘要：
EEG信号对脑部疾病诊断具有重要意义,但其特征选择对信号识别准确率影响较大.针对这个问题,本文基于Q因子小波变换,提出一种可调优化Q因子小波变换融合多维特征的脑电信号识别(Ad-TQWTMF)算法.该算法首先根据小波分解后的子带信号定义能量香农熵比,用其作为可调Q因子小波的优化评价标准;再融合变换后信号的时域,频域和非线性特征,通过自适应特征选择方法构建特征子空间;最后在该特征子空间下对脑电信号进行识别.在BCI脑电竞赛数据集Dataset-Ⅲ,O3VR,X11b和S4b进行了实验,实验结果表明:Ad-TQWT MF算法在LDA分类器中精度为89.2％,81.2％,83.2％和85.6％,相比于原Q因子小波变换,冗余特征减少10％～30％,相较于Haar和Db_4小波精度提高3％～5％,证明了Ad-TQWT MF算法的有效性.
文献关键词：
EEG信号;可调Q因子小波变换;能量香农熵比;特征选择
中图分类号：
作者姓名：
刘朕;朱炳宇;张景祥
作者机构：
江南大学理学院,江苏无锡214122
文献出处：
引用格式：
[1]刘朕;朱炳宇;张景祥-.EEG信号识别中可调优化Q因子小波变换的多特征融合算法)[J].控制理论与应用,2022(12):2302-2312
A类：
TQWTMF,能量香农熵比,O3VR,X11b,S4b
B类：
EEG,信号识别,调优,小波变换,多特征融合,融合算法,脑部疾病,疾病诊断,识别准确率,多维特征,脑电信号,Ad,小波分解,带信,再融合,频域,非线性特征,自适应特征选择,选择方法,特征子空间,BCI,电竞,Dataset,LDA,分类器,冗余特征,Haar,Db
AB值：
0.297716
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。
