基于MEMD的运动想象脑电信号的特征提取与分析

对于传统特征提取算法对运动想象脑电信号识别能力不足的问题，采用多元经验模式分解（multivariateempirical励dedecomposition，MEMD)的方法用于分析运动想象的脑电信号。目前此方法主要应用在股票收益与宏观经济关系分析上，MEMD将标准经验模式拓展到多通道信号处理，适合于分析多元时间序列，并能够同时处理多通道的多尺度分解，进而在不同尺度下对多元时间序列的时间频率特性进行比较。通过Emotiv传感器对自定义的左右运动想象任务采集数据，采用MEMD提取相关脑电特征的边际谱，使用支持向量机对相关特征量进行分类。实验表明，此方法增强了定位脑电信号的频率信息的准确性，能够有效地提高对脑电信号的识别能力。