多特征融合的运动想象脑电特征提取方法

摘要

针对单一特征识别率低、自适应性差等问题,提出一种基于希尔伯特-黄变换(HHT)和共同空间模式(CSP)的特征提取方法HCHT。首先,对原始脑电信号(EEG)进行经验模态分解(EMD)得到固有模态函数(IMF),并将IMF分量合并成新的信号矩阵;然后,对IMF进行希尔伯特谱分析,得到信号的时-频域特征;接着,对构造的信号矩阵进行进一步的CSP分解,将时-频域特征扩展成时-频-空域特征;最后,通过支持向量机(SVM)对特征集进行分类。在BCI Competition II数据集的实验表明,与HHT时-频域和CSP空域特征的方法相比,所提方法的识别准确率分别提高了7.5、10.3和9.2个百分点,且标准差更小。在智能轮椅平台进行在线实验的结果表明,HCHT能有效提高识别准确率和稳定性。