公共空间模式算法结合经验模式分解的EEG特征提取

来源：计算机工程与应用杂志2017年第13期北京时间：

作者：张学军 1，2，黄婉露1，黄丽亚1，2，成谢锋1，2

单位：1.南京邮电大学 电子科学与工程学院，南京 210023；2.江苏省射频集成与微组装工程实验室，南京 210023

摘要：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。

关键词：脑电信号,经验模式分解,公共空间模式分解