基于改进小波变换和模糊熵的脑电信息研究

摘要

针对运动想象信号(Motor imagery,MI)在脑机接口应用中存在干扰问题的现象,如何得到纯净的脑电信号成为当前研究方向之一.通过选择母波函数、分解层数以及阈值策略的交叉组合,对原始脑电信号进行滤波处理,滤除原有信息中的噪声信号以便能得到信息较多的脑电信号.采用传统使用的信噪比SNR和均方根误差RMSE评价指标.并结合小波变换(WT)与模糊熵算法进行脑电信号特征提取,结合Fisher线性判别器对滤波后的信号进行分类识别.实验结果表明,选取coif3小波基函数,Rigrsure阈值函数,分解层数2层时具有最佳分解性能.且对2003BCI竞赛数据进行处理时,训练集和测试集分类准确率相较其它算法有效的提高了识别性能.