采用小波熵和频带能量提取脑电信号特征

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (03): 828-831.

采用小波熵和频带能量提取脑电信号特征

王宏^1,2,赵海滨²,刘冲2

1.吉林大学汽车动态模拟国家重点实验室,长春 130022；2.东北大学机械工程与自动化学院,沈阳 110004

收稿日期:2010-03-01 出版日期:2011-05-01 发布日期:2011-05-01
通讯作者: 王宏(1960-),女,教授,博士生导师.研究方向：生物医学工程,康复工程等. E-mail:hongwang@mail.neu.edu.cn
作者简介:王宏(1960-),女,教授,博士生导师.研究方向：生物医学工程,康复工程等.E-mail:hongwang@mail.neu.edu.cn
基金资助:
汽车动态模拟国家重点实验室开放基金项目(20071105)；国家自然科学基金项目（50435040）.

Feature extraction from electroencephalography signal using wavelet entropy and band power

WANG |Hong^1,2,ZHAO Hai-bin², LIU |Chong²

1.State Key Laboratory of Automobile Dynamic Simulation,Jilin University,Changchun 130022,China;2.School of Mechanical Engineering and Automation,Northeastern University,Shenyang 110004,China

Received:2010-03-01 Online:2011-05-01 Published:2011-05-01

摘要/Abstract

摘要：

对于采用两种不同意识任务（想象左手运动和想象右手运动）的脑机接口系统,采用脑电信号的小波熵和频带能量作为组合特征,采用Fisher线性判别分析进行分类,最后采用分类准确率和互信息作为评价标准,进行脑电信号的特征提取离线分析结果表明：该算法在分类准确率和互信息上都取得了良好的识别结果,为脑机接口系统中意识任务的特征提取和分类提供了新方法。

关键词: 信息处理技术, 脑机接口, 小波熵, 线性判别分析, 互信息, 频带能量

Abstract:

The feature extraction was performed from the electroencephalography signals in the brain-computer interface for two different mental tasks(imagine to move the left land or right hand) using the wavelet entropy and the band power as the combining feature. The Fisher linear discrimination analysis was used to classify the features. The classification accuracy and the mutual information were used as evaluation criteria. The results of off-line analysis showed that the proposed algorithm is characterized by good classification accuracy and mutual information, providing a new way for the feature extraction and classification of the mental tasks in the braincomputer interface.

Key words: information processing, braincomputer interface, wavelet entropy, linear discrimination analysis, mutual information, band power

中图分类号:

TN911.6

王宏,赵海滨,刘冲. 采用小波熵和频带能量提取脑电信号特征[J]. 吉林大学学报(工学版), 2011, 41(03): 828-831.

WANG Hong,ZHAO Hai-bin, LIU Chong. Feature extraction from electroencephalography signal using wavelet entropy and band power[J]. 吉林大学学报(工学版), 2011, 41(03): 828-831.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	谭泗桥, 张席, 李钎, 艾陈. 基于最大互信息系数的信息推送模型构建[J]. 吉林大学学报(工学版), 2018, 48(2): 558-563.
[15]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed