公开(公告)号：CN113158793A

公开(公告)日：2021-07-23

申请号：CN202110277757.5

申请日：2021-03-15

Applicant: 东北电力大学

Inventor： 关山 ,  袁振 ,  崔金栋 ,  宋伟杰 ,  王福旺

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于多特征融合的多类运动想象脑电信号识别方法，该方法将基于时域、频域、空域的多域特征提取及融合方法引入到多类运动想象脑电信号分类识别研究领域中，实现多类运动想象脑电信号的识别。对预处理后的脑电信号分别采用AR模型法、变分模态分解－双谱分析法以及共空间模式分析法提取脑电信号在时域、频域以及空间域内的特征，构造联合多特征向量；通过提取贡献率大于85%的主元，生成融合特征，达到特征降维的目的；实现测试数据的实时识别。本发明方法克服了传统单域特征提取算法信息描述不足，多域特征联合特征维数高等问题，有效地提升了针对多类运动想象脑电信号的识别准确率。

公开(公告)号：CN113158793B

公开(公告)日：2023-04-07

申请号：CN202110277757.5

申请日：2021-03-15

Applicant: 东北电力大学

Inventor： 关山 ,  袁振 ,  崔金栋 ,  宋伟杰 ,  王福旺

IPC: G06F18/213 ,  G06F18/24 ,  G06F18/25

Abstract: 本发明公开了一种基于多特征融合的多类运动想象脑电信号识别方法，该方法将基于时域、频域、空域的多域特征提取及融合方法引入到多类运动想象脑电信号分类识别研究领域中，实现多类运动想象脑电信号的识别。对预处理后的脑电信号分别采用AR模型法、变分模态分解－双谱分析法以及共空间模式分析法提取脑电信号在时域、频域以及空间域内的特征，构造联合多特征向量；通过提取贡献率大于85%的主元，生成融合特征，达到特征降维的目的；实现测试数据的实时识别。本发明方法克服了传统单域特征提取算法信息描述不足，多域特征联合特征维数高等问题，有效地提升了针对多类运动想象脑电信号的识别准确率。