共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
基于小波包分解和遗传神经网络对正常脑电和癫痫脑电进行识别。通过分析脑电数据找出信号特征;利用一维离散小波包分解提取含有识别特征的脑电信号频率段,并以脑电各频段的相对能量作为信号特征;然后建立基于遗传算法优化的BP网络,用于对癫痫脑电识别。实验结果表明,该方法可以有效提取信号特征,并且对信号进行准确的识别。 相似文献
4.
5.
针对单一极限学习机(ELM)在癫痫脑电信号研究中分类结果不稳定、泛化能力差的缺陷,提出一种基于互信息(MI)的AdaBoost极限学习机分类算法。该算法将AdaBoost引入到极限学习机中,并嵌入互信息输入变量选择,以强学习器最终的性能作为评价指标,实现对输入变量以及网络模型的优化。利用小波变换(WT)提取脑电信号特征,并结合提出的分类算法对UCI脑电数据集以及波恩大学癫痫脑电数据进行分类。实验结果表明,所提方法相比传统方法以及其他同类型研究,在分类精度和稳定性上有着明显提高,并具有较好的泛化性能。 相似文献
6.
7.
8.
9.
本文探讨了利用小波变换对脑电信号瞬态提取的新方法.实验结果表明基于小波变换的脑电信号瞬态检测法能方便而有效地完成瞬态波形的检测与参数提取. 相似文献
10.
11.
12.
针对P300脑电信号信噪比低、随机性强及个体差异性大等问题,本文提出了一种将经验模态分解(EMD)和小波包分解(WP)相结合的滤波方法,并使用改进的卷积神经网络(CNN)对脑电信号进行分类识别。首先利用经验模态分解算法将原始脑电信号分解成若干个本征模函数(IMF)分量,并对每个分量进行频谱分析以去除主频段在0~30Hz以外的分量;然后,对保留的IMF分量进行小波包分解,根据P300电位的有效时频信息,选择合适的频段进行重构,再将重构后的各个本征模函数叠加,得到经过滤波后的脑电信号;最后,设计合适的卷积神经网络结构,对P300信号进行分类识别。本文使用国际BCI竞赛数据集对提出的方法进行验证。实验结果表明,两名被试的分类准确率分别为97.78%、95.56%,说明该方法能够有效的改善P300信号的识别效果(相比其他方法至少提升了2.78%,1.39%),为进一步提高基于P300信号的脑机接口系统的性能提供了一种新的有效的途径。 相似文献
13.
14.
目的 癫痫发作时脑神经元异常放电,严重危及人的生命,准确识别癫痫脑电信号对癫痫诊断具有重大意义,对此使用微状态分析法对癫痫脑电信号进行识别研究。方法 各选取11名癫痫患者和健康人,计算癫痫发作、未发作和健康人脑电微状态的传统特征(出现频率、平均持续时间、覆盖率和转移概率)、Hurst指数、动态特征(ACF和AIF),进行差异性分析并使用SVM进行分类。结果1-40 Hz,癫痫发作和健康人、癫痫发作和未发作、癫痫未发作和健康人的传统特征、Hurst指数、动态特征均有显著差异,三种特征融合的准确率分别为99.9%、96.3%、96.3%,均高于其它频带(delta、theta、alpha、beta和 gamma)的准确率。结论 癫痫脑电微状态特征能被准确识别,1-40 Hz多参数特征融合能有效提高分类准确率。 相似文献
15.
16.
情感识别是情感计算的一个关键问题。针对表面肌电信号(EMG)的非平稳性,根据小波包变换在不同时频段均能精确的刻画信号,并提供丰富模式信息的特点,提出利用小波包熵方法对不同情感状态下的表面肌电信号进行分析。实验表明,该方法对情感的唤醒度识别效果较好。 相似文献
17.
小波包熵和BP神经网络在意识任务识别中的应用 总被引:1,自引:0,他引:1
任亚莉 《计算机应用与软件》2009,26(8):78-81
探索了小波包熵和BP神经网络在识别左右手想象运动中的作用.采用脑-机接口2003竞赛中Graz科技大学提供的脑电数据,计算C3、C4电极8~16Hz频带脑电信号的小波包熵,将其作为反应想象左右手运动的特征量,用BP神经网络对大脑想象左右手运动任务进行分类,最大分类正确率可达88.57%,与使用线性判别式算法分类结果相比,效果更好.脑电信号小波包熵随时间的变化与事件相关去同步和事件相关同步现象相一致,可在线识别左右手想象运动,为大脑运动意识任务的特征提取及肢残患者的临床康复提供了新思路. 相似文献
18.
为了检验基于小波包-反向传播神经网络的局部放电信号模式识别方法的有效性,设计了 4种典型的绝缘缺陷模型,并采用局部放电传感器测量了局部放电信号.采用小波包分解提取了局部放电信号在多尺度上的小波包系数,将计算得到的多尺度小波包系数的能量参数作为特征参数,结合反向传播神经网络对不同类型的放电进行模式识别.研究结果表明,基于... 相似文献
19.
孔令杰 《自动化技术与应用》2014,33(12):35-38
实测的心电信号不可避免地存在一些强干扰和噪声,为了实现准确地提取反映心电信号的特征信息,该文应用一维离散小波变换实现了对心电信号的降噪处理。实验研究结果表明,该方法能够有效地去除心电信号中的噪声,从而为心电信号特征信息的提取奠定了理论基础。 相似文献
20.
为了能够更好地把来自多传感器的图象信息综合起来,以提高对图象信息的分析和提取能力,在研究了小波包图象分析法之后,提出了一种基于小波包变换的图象融合方法,由于小波包变换能对图象进行多层次分解,包括对小波变换没有细分的高频部分也能进行进一步的分解,因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法,利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象,能够很好地将源图象的细节融合在一起,通过与该融合图象进行主观与客观的评价比较,证明该融合方法可以获得更好的融合效果。 相似文献