%0 Journal Article
%T 基于多通道经验模式分解的脑机接口特征提取
%A 刘源
%J -
%D 2015
%R doi:10.7507/1001-5515.20150081
%X 针对脑机接口(BCI)系统中的多通道非平稳脑电(EEG)信号和脑磁(MEG)信号, 本文提出一种基于多通道经验模式分解(MEMD)与功率特征结合的信号特征提取算法。首先将多通道脑信号经MEMD算法分解为一系列多尺度多元固有模态函数(IMF)近似平稳分量, 然后对每个IMF分量提取功率特征, 并利用主成分分析(PCA)降维处理, 最后使用线性判别分析分类器对信号特征分类。实验采用第三次和第四次国际BCI竞赛的数据进行验证, 对皮层EEG信号和MEG信号运动想象任务的识别正确率分别达到92.0%和46.2%, 均位于竞赛第一名水平。实验结果表明本文所提方法有较好有效性和稳定性, 为脑信号特征提取提供了新思路
%K 脑机接口
%K 皮层脑电图
%K 脑磁图
%K 多通道经验模式分解
%K 固有模态函数
%K 功率特征
%U http://www.biomedeng.cn:80/article/10.7507/1001-5515.20150081