基于EWT和改进CSP的癫痫信号分类方法

摘要

本发明提出基于EWT和改进CSP的癫痫信号分类方法。该方法包括：对信号进行预处理、利用相关性分析择优选择信号通道、提取癫痫脑电信号发作间期和发作前期的时域、频域以及空域三个特征域的特征，最后将三个特征域的合并特征矩阵输入基于支持向量机分类器，实现癫痫脑电信号发作间期和发作前期的有效识别。其中，时域特征包括均方值根、绝对平均值以及过零点数；频域特征的提取运用经验小波变换进行多模态分解和韦尔奇功率谱进行单模态选择，再对每个通道的单模态使用希尔伯特变换方法提取信号的瞬时振幅和瞬时频率；利用改进的CSP算法提取空域特征。本发明中，经验小波变换克服了EMD方法的局限性，此外，改进的CSP算法具有较高的识别率和计算效率。