论文研究-公共空间模式算法结合经验模式分解的EEG特征提取.pdf下载

常规的公共空间模式分解方法需要大量的输入通道、缺乏频域信息，发展受到限制。为了克服以上缺点，将经验模式分解（Empirical Mode Decomposition，EMD）和公共空间模式算法结合，改变CSP滤波器成分选择方式，提出EMD-CSP算法来获取特征向量。该算法对预处理后的信号进行经验模式（EMD）分解，得到固有模态函数（Intrinsic Mode Functions，IMFs），观察并计算每个IMF分量的能量谱，筛选有效的IMF频段（5~28 Hz），使用改进的CSP滤波器进行滤波获取特征，最后使用支持向量机（Support Vector Machine，SVM）进行分类。分类结果得到9位受试的想象运动平均分类正确率为92%，证实了该算法的可行性与有效性。