典型文献
基于经验模态-小波包分解和卷积神经网络的P300脑电信号分类研究
文献摘要：
针对P300脑电信号信噪比低、随机性强及个体差异性大等问题,提出了一种将经验模态分解(EMD)和小波包分解(WP)相结合的滤波方法,并使用改进的卷积神经网络(CNN)对脑电信号进行分类识别.首先利用经验模态分解算法将原始脑电信号分解成若干个本征模函数(IMF)分量,并对每个分量进行频谱分析以去除0～30 Hz主频段以外的分量;然后,对保留的IMF分量进行小波包分解,根据P300电位的有效时频信息,选择合适的频段进行重构,再将重构后的各个本征模函数叠加,得到经过滤波后的脑电信号;最后,设计合适的卷积神经网络结构,对P300信号进行分类识别.本文使用国际BCI竞赛数据集对提出的方法进行验证.实验结果表明,两名被试的分类准确率分别为97.78％、95.56％,说明该方法能够有效地改善P300信号的识别效果(相比其他方法至少提升了2.78％,1.39％),为进一步提高基于P300信号脑机接口系统的性能提供了一种新的有效的途径.
文献关键词：
脑电信号分类;经验模态分解;小波包分解;卷积神经网络
中图分类号：
作者姓名：
崔丽丽;郑赟;孟小飞;马玉良
作者机构：
杭州电子科技大学采购中心,浙江 杭州310018;杭州电子科技大学自动化学院,浙江 杭州310018
文献出处：
引用格式：
[1]崔丽丽;郑赟;孟小飞;马玉良-.基于经验模态-小波包分解和卷积神经网络的P300脑电信号分类研究)[J].传感技术学报,2022(04):511-517
A类：
B类：
基于经验,小波包分解,P300,脑电信号分类,分类研究,随机性,个体差异性,经验模态分解,EMD,WP,滤波方法,分类识别,原始脑电信号,信号分解,分解成,若干个,本征模函数,IMF,行频,频谱分析,主频,频段,时频信息,神经网络结构,BCI,两名,分类准确率,其他方法,少提,脑机接口
AB值：
0.253942
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。
