基于空间频率与时间序列信息的多类运动想象脑电分类

摘要

结合共同空间模式(CSP)、离散小波变换(DWT)和长短期记忆网络(LSTM)方法,提出一种基于空间频率与时间序列信息的多类运动想象脑电特征提取方法.首先利用滑动矩形窗获得时间序列脑电信号,并采用DWT从每一段脑电信号提取运动想象脑电相关的子带小波系数,其次将小波系数通过一对多CSP进一步特征提取,得到的特征作为LSTM的输入,然后对LSTM的时间序列输出在时间步上进行平均,最后使用Softmax分类器进行分类.实验结果显示,新算法取得92.23％的准确率,相比CSP特征以及结合频率或时间序列信息的CSP特征有较大提升,表明空间、频率、时间序列信息的互补性和有效性.