基于多重分形去趋势波动分析的脑电信号特征提取及分类方法

摘要

目的:针对脑电信号普遍存在的数据维度高、难以预测的问题,提出一种多重分形去趋势波动分析特征提取方法与长短时记忆网络(LSTM)相结合的脑电信号分类方法.方法:首先对信号样本进行多重分形去趋势波动分析计算得到脑电信号样本的多重分形谱,计算广义Hurst指数hq和广义维数Dq之间的函数关系;然后对多重分形谱进行分析,找出最具代表性的坐标值作为信号的特征向量;最后将其用于LSTM进行训练和分类测试.实验采用波恩大学采集的经过处理的癫痫脑电数据集.结果:当训练样本占总体样本比例超过10％之后,LSTM分类器的测试准确率均稳定在98％以上;当占比超过80％时LSTM分类器的测试准确率达到了100％;即使训练样本较少时也有95％之上的准确率.结论:该算法有良好的准确率和稳定性.