[1]王璐 吴小培 高湘萍.四类运动想象任务的脑电特征分析及分类[J].计算机技术与发展,2008,(10):23-26.
　WANG Lu,WU Xiao-pei,GAO Xiang-ping.Analysis and Classification of Four- Class Motor Imagery EEG Data[J].,2008,(10):23-26.
点击复制

四类运动想象任务的脑电特征分析及分类()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2008年10期
页码:
23-26
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Analysis and Classification of Four- Class Motor Imagery EEG Data
文章编号:
1673-629X（2008）10-0023-04
作者:
王璐 吴小培 高湘萍
安徽大学计算智能与信号处理教育部重点实验室
Author(s):
WANG Lu;  WU Xiao-pei;  GAO Xiang-ping
Ministry of Edu. Key Lab. of Intelligent Computing and Signal Processing, Anhui Univ
关键词:
运动想象; 脑电信号; 脑机接口; 共同空间模式; 神经网络
Keywords:
motor imagery;  EEG;  BCI;  common spatial patterns;  neural network
分类号:
TP18
文献标志码:
A
摘要:
对多通道的四类运动想象脑电进行了研究。提出了采用表面拉普拉斯对多通道脑电进行预处理，消除各导联之间的相关性，提高信号的信噪比。实验证明表面拉普拉斯对分类正确率的提高有极大的帮助。然后使用OVR-CSP（One Versus the Rest Common Spatial Patterns）的方法，对四类运动想象任务的脑电信号进行特征提取。最后，应用设计的BP神经网络对提取的特征数据进行了分类，取得了较高的分类正确率。对基于不同频带脑电特征的分类情况进行了分析比较，得出了一些有参考价值的结论
Abstract:
Motor imagery is a frequently used mental strategy to modify brain oscillations and to operate a BCI. In this paper, apply surface Laplacian to preprocessing for the multi - channel EEG data, to eliminate relativity among the channels, reinforcing the SNR

相似文献/References:

[1]李坤 褚蕾蕾 朱世东 吴小培.基于mu节律能量的运动意识分类研究[J].计算机技术与发展,2006,(08):157.
　LI Kun,CHU Lei-lei,ZHU Shi-dong,et al.Study of Classification of Motor Imageries Based on Energy of mu Rhythm of EEG[J].,2006,(10):157.
[2]陈悦,张少白.LM算法在神经网络脑电信号分类中的研究[J].计算机技术与发展,2013,(02):119.
　CHEN Yue,ZHANG Shao-bai.Research on EEG Classification with Neural Networks Based on Levenberg-Marquardt Algorithm[J].,2013,(10):119.
[3]张少白[],王勇[],刘友谊[]. 基于DIVA模型的脑电信号处理方法研究[J].计算机技术与发展,2016,26(08):152.
　ZHANG Shao-bai[],WANG Yong[],LIU You-yi[]. Research on a Method of EEG Signal Processing Based on DIVA Model[J].,2016,26(10):152.
[4]林文通[],张学军[][],黄丽亚[][],等. 基于ERD和累积能量的脑电特征提取方法[J].计算机技术与发展,2017,27(06):86.
　LIN Wen-tong[],ZHANG Xue-jun[][],HUANG Li-ya[][],et al. EEG Feature Extraction Method Based on ERD and Accumulated Power[J].,2017,27(10):86.
[5]陈启超,张学军,黄婉露.EMD融合PSD、CSP的脑电特征提取方法[J].计算机技术与发展,2019,29(05):126.[doi:10. 3969 / j. issn. 1673-629X. 2019. 05. 027]
　CHEN Qi-chao,ZHANG Xue-jun,HUANG Wan-lu.An EEG Feature Extraction Method of EMD Fusing PSD and CSP[J].,2019,29(10):126.[doi:10. 3969 / j. issn. 1673-629X. 2019. 05. 027]
[6]张学军,刘定宇,霍 延.EMD 融合 WPT 和 CSP 的脑电特征提取方法[J].计算机技术与发展,2020,30(11):136.[doi:10. 3969 / j. issn. 1673-629X. 2020. 11. 025]
　ZHANG Xue-jun,LIU Ding-yu,HUO Yan.EEG Feature Extraction of EMD Fusing WPT and CSP[J].,2020,30(10):136.[doi:10. 3969 / j. issn. 1673-629X. 2020. 11. 025]
[7]龙佳伟,郑 威,刘 燕,等.基于排列熵和 CSP 融合的脑电信号特征提取[J].计算机技术与发展,2022,32(03):157.[doi:10. 3969 / j. issn. 1673-629X. 2022. 03. 026]
　LONG Jia-wei,ZHENG Wei,LIU Yan,et al.EEG Signal Feature Extraction Based on PE and CSP Fusion[J].,2022,32(10):157.[doi:10. 3969 / j. issn. 1673-629X. 2022. 03. 026]
[8]陈佳卉,王友国,翟其清.基于 K 近邻的运动想象分类中的噪声效益[J].计算机技术与发展,2022,32(01):79.[doi:10. 3969 / j. issn. 1673-629X. 2022. 01. 014]
　CHEN Jia-hui,WANG You-guo,ZHAI Qi-qing.Noise Benefits in Motor Imagery Classification UsingK-nearest neighbor[J].,2022,32(10):79.[doi:10. 3969 / j. issn. 1673-629X. 2022. 01. 014]

备注/Memo

备注/Memo:
国家自然科学基金资助项目（60771033）;安徽省自然科学基金资助项目（070412038）王璐（1983-），女，安徽宣城人，硕士研究生，主要研究方向为生物医学信号处理、盲信号处理；吴小培，教授，博士生导师，研究方向为智能信息处理
更新日期/Last Update: 1900-01-01