一种基于Multi‑bands FDBN的运动想象脑电信号的特征提取方法

    公开(公告)号:CN107092887A

    公开(公告)日:2017-08-25

    申请号:CN201710267096.1

    申请日:2017-04-21

    CPC classification number: G06K9/00523 G06K9/00536

    Abstract: 本发明请求保护一种基于Multi‑bands FDBN的运动想象脑电信号的特征提取方法。所述方法首先利用带通滤波器将原始的脑电信号分成多个频段,接着对各频段采用FFT将时域信号转换为频域信号,使用全局min‑max的方式作归一化处理,最后将每个频段的频域数据输入DBN进行训练识别,并采用加权计算的方式将多个softmax分类器的结果进行融合。本发明所述方法从设计上解决了不同频带信息对于该被试作用不同的问题,又通过多个分类器进一步保证了算法的鲁棒性,同时能够较大程度地提高了脑电信号的分类准确率。

    一种基于RandomSelect‑RCSP的运动想象脑电信号特征提取方法

    公开(公告)号:CN106943140A

    公开(公告)日:2017-07-14

    申请号:CN201710136166.X

    申请日:2017-03-08

    CPC classification number: A61B5/0476 A61B5/7267

    Abstract: 本发明公开了一种基于RandomSelect‑RCSP的运动想象脑电信号特征提取方法,包括以下步骤:S1,利用Bagging随机选择的采样思想,重新构造训练数据样本;S2,构造基于被试者脑电信号的协方差矩阵;S3,基于被试者数据样本,同样利用Bagging思想随机选择引入一部分其他人的脑电信号数据;S4,正则化协方差矩阵;S5,进行正则化的协方差矩阵估计;S6,利用这个协方差矩阵提取RCSP特征。本发明能够保证在小样本脑电数据集中,提取的左右手运动想象脑电信号特征具有较高的识别率,且方差小,鲁棒性好。

    一种融合小波包和双谱分析的肌电信号特征提取方法

    公开(公告)号:CN106901731B

    公开(公告)日:2020-05-12

    申请号:CN201710131446.1

    申请日:2017-03-07

    Abstract: 本发明请求保护一种融合小波包和双谱分析的肌电信号特征提取方法,该方法包括步骤:S1,采用小波包对sEMG进行j层分解;S2,选取n个有效频带,求出每个频带的能量;S3,将上述的频带能量进行归一化处理,当作sEMG信号的特征向量;S4,小波包重构sEMG的时域信号;S5,对sEMG的时域信号进行双谱分析,提取出双谱特征;S6,融合小波包和双谱分析的肌电信号特征向量。本发明不仅能提取到高时频分辨率的sEMG信号特征信息,还能抑制噪声,从而提高sEMG信号的识别率。

    一种融合小波包和双谱分析的肌电信号特征提取方法

    公开(公告)号:CN106901731A

    公开(公告)日:2017-06-30

    申请号:CN201710131446.1

    申请日:2017-03-07

    Abstract: 本发明请求保护一种融合小波包和双谱分析的肌电信号特征提取方法,该方法包括步骤:S1,采用小波包对sEMG进行j层分解;S2,选取n个有效频带,求出每个频带的能量;S3,将上述的频带能量进行归一化处理,当作sEMG信号的特征向量;S4,小波包重构sEMG的时域信号;S5,对sEMG的时域信号进行双谱分析,提取出双谱特征;S6,融合小波包和双谱分析的肌电信号特征向量。本发明不仅能提取到高时频分辨率的sEMG信号特征信息,还能抑制噪声,从而提高sEMG信号的识别率。

Patent Agency Ranking