| 蔡 靖,李玉涛,宋雪丰,张 帆,刘光达.基于脑电两节律和 BP 神经网络的运动想象分类研究[J].电子测量与仪器学报,2020,34(6):176-182 |
| 基于脑电两节律和 BP 神经网络的运动想象分类研究 |
| Classification of motor imagery based on two rhythms of EEG and BP neural network |
| |
| DOI： |
| 中文关键词: 运动想象 β 节律能量特征 BP 神经网络 μ 节律 EEG |
| 英文关键词:motor imagery energy characteristics of β rhythm BP neural network μ rhythm EEG |
| 基金项目: |
|
|
|
|
| 摘要点击次数: 521 |
| 全文下载次数: 1178 |
| 中文摘要: |
| 针对脑电信号(EEG)分类过程中无效数据影响准确度的问题,提出一种数据筛选的方法。 基于脑-机接口(BCI)系统,
通过视觉诱发刺激产生左向和右向两种运动想象任务对应的脑电信号,提取该信号的统计特征,并利用 BP 神经网络实现运动
想象分类识别。 在数据处理过程中,首先利用 β 节律的能量特征对无效数据进行剔除,再结合 μ 节律信号的均值、标准差、能
量谱、功率谱、自相关函数等多个特征进行分类。 对筛选后的数据进行分析,所得特征更具代表性,信号分类的准确率由
78. 25%提高至 84. 11%。 |
| 英文摘要: |
| In order to solve the problem that invalid data affects the accuracy of EEG classification, a method of data screening is
proposed. Based on brain computer interface (BCI) system, this paper presents an approach that using BP neural network to classify the
EEG data generated by visual stimulation. The statistical characteristics of EEG signals corresponding to left and right motor imagery
tasks are input to the BP neural network. First, the invalid data are eliminated by using the energy characteristics of β rhythm signal,
and then classified by combining the mean value, standard deviation, energy spectrum, power spectrum, autocorrelation function and
other features of μ rhythm signal. The using of β rhythm signal makes the characteristics more accurate and improves the accuracy of
signal classification from 78. 25% to 84. 11%. |
| 查看全文 查看/发表评论 下载PDF阅读器 |
|
|
|
