公开(公告)号：CN103961092B

公开(公告)日：2016-08-24

申请号：CN201410192868.6

申请日：2014-05-09

Applicant: 杭州电子科技大学

Inventor： 马玉良 ,  许明珍 ,  张启忠 ,  高云园 ,  孟明 ,  佘青山

IPC: A61B5/0476

Abstract: 本发明涉及一种基于自适应阈值的脑电信号去噪方法。本发明首先，在软阈值的基础上改进阈值函数；其次，对采集到的脑电信号进行多层次的分解，得到相对应的小波细节系数；然后，根据小波分解后小波系数的统计相关性改进阈值，对小波系数进行自适应的阈值处理；最后，将缩放后的小波系数进行重构得到去噪后的EEG信号。本发明与硬阈值法、软阈值法、Garrote阈值法对比，其优点在于保持了软阈值法的平滑性，减少吉布斯现象，不仅有效的抑制了高斯噪声，同时保留EEG中大部分的有用的细节信息，为下一步的EEG特征提取和模式识别奠定良好的基础。

公开(公告)号：CN104771163B

公开(公告)日：2018-01-02

申请号：CN201510050269.5

申请日：2015-01-30

Applicant: 杭州电子科技大学

Inventor： 马玉良 ,  许明珍 ,  高云园 ,  孟明 ,  席旭刚

IPC: A61B5/0476

Abstract: 本发明涉及一种基于CSP和R‑CSP算法的脑电信号特征提取方法。本发明针对传统CSP算法提取小样本的脑电信号时，其协方差估计会产生较大的误差，本发明在传统的CSP算法上改进，提出了正则化的CSP算法(R‑CSP)。首先利用小波阈值去噪算法对信号进行去噪处理；其次，求对5名实验者协方差矩阵，并选取其中一个为目标实验者，其余作为辅助实验者，通过正则化参数的选择来构造出最优的空间滤波器，从而提取到特征向量。最后，利用遗传算法来优化支持向量机分类器，进而提高分类结果的正确率。其最终的分类结果表明，R‑CSP算法相比于传统的CSP算法其分类识别的正确率更好。

公开(公告)号：CN104771163A

公开(公告)日：2015-07-15

申请号：CN201510050269.5

申请日：2015-01-30

Applicant: 杭州电子科技大学

Inventor： 马玉良 ,  许明珍 ,  高云园 ,  孟明 ,  席旭刚

IPC: A61B5/0476

Abstract: 本发明涉及一种基于CSP和R-CSP算法的脑电信号特征提取方法。本发明针对传统CSP算法提取小样本的脑电信号时，其协方差估计会产生较大的误差，本发明在传统的CSP算法上改进，提出了正则化的CSP算法(R-CSP)。首先利用小波阈值去噪算法对信号进行去噪处理；其次，求对5名实验者协方差矩阵，并选取其中一个为目标实验者，其余作为辅助实验者，通过正则化参数的选择来构造出最优的空间滤波器，从而提取到特征向量。最后，利用遗传算法来优化支持向量机分类器，进而提高分类结果的正确率。其最终的分类结果表明，R-CSP算法相比于传统的CSP算法其分类识别的正确率更好。

公开(公告)号：CN103961092A

公开(公告)日：2014-08-06

申请号：CN201410192868.6

申请日：2014-05-09

Applicant: 杭州电子科技大学

Inventor： 马玉良 ,  许明珍 ,  张启忠 ,  高云园 ,  孟明 ,  佘青山

IPC: A61B5/0476

Abstract: 本发明涉及一种基于自适应阈值的脑电信号去噪方法。本发明首先，在软阈值的基础上改进阈值函数；其次，对采集到的脑电信号进行多层次的分解，得到相对应的小波细节系数；然后，根据小波分解后小波系数的统计相关性改进阈值，对小波系数进行自适应的阈值处理；最后，将缩放后的小波系数进行重构得到去噪后的EEG信号。本发明与硬阈值法、软阈值法、Garrote阈值法对比，其优点在于保持了软阈值法的平滑性，减少吉布斯现象，不仅有效的抑制了高斯噪声，同时保留EEG中大部分的有用的细节信息，为下一步的EEG特征提取和模式识别奠定良好的基础。