一种基于经验模态分解的稳态视觉诱发电位的分类方法

摘要

一种基于经验模态分解的稳态视觉诱发电位的分类方法，首先将采集到的多导稳态视觉诱发电位(SSVEP)进行多元经验模态分解后，分解为不同频段范围上的若干子信号；然后根据已知分类标签信号的子信号与模板信号间的相关系数，计算子信号所对应的分类适确性指数；而后计算出未知标签信号中子信号与模板信号间的相关系数，通过将分类适确性指数作为子信号相关系数的选择权重，重构原信号与模板信号的相关系数；最后根据原信号与模板信号的重构相关系数对稳态视觉诱发电位(SSVEP)进行分类；本发明在提高稳态视觉诱发电位(SSVEP)信噪比的基础上，实现了对于稳态视觉诱发电位(SSVEP)较高的分类正确率。