| 基于能量熵的运动想象脑电信号分类 |
| |
| 引用本文： | 胡剑锋,穆振东,肖丹. 基于能量熵的运动想象脑电信号分类[J]. 计算机工程与应用, 2008, 44(33): 235-238. DOI: 10.3778/j.issn.1002-8331.2008.33.071 |
| |
| 作者姓名： | 胡剑锋 穆振东 肖丹 |
| |
| 作者单位： | 江西蓝天学院,信息技术研究所,南昌,330098 |
| |
| 基金项目： | 江西省教育厅科技计划资助项目 |
| |
| 摘 要： | 对脑电信号进行特征提取和分类是脑机接口研究的核心问题,利用不同运动想象脑电信号能量熵的变化,从能量熵中提取特征,利用自定义基于统计理论分类方法进行分类,结果均达到90%以上。
|
| 关 键 词： | 脑机接口 脑电信号 能量熵 |
| 收稿时间： | 2007-12-11 |
| 修稿时间： | 2008-3-6 |
Classification of motor imagery EEG signals based on energy entropy |
| |
| HU Jian-feng,ME Zhen-dong,XIAO Dan. Classification of motor imagery EEG signals based on energy entropy[J]. Computer Engineering and Applications, 2008, 44(33): 235-238. DOI: 10.3778/j.issn.1002-8331.2008.33.071 |
| |
| Authors: | HU Jian-feng ME Zhen-dong XIAO Dan |
| |
| Affiliation: | Institute of Information Technology，Jiangxi Bluesky University，Nanchang 330098，China |
| |
| Abstract: | Feature extraction and classification of EEG is core issues on brain computer interface.The energy entropy of different motor imagery EEG signals is used to extract features.Finally，classification of Motor Imagery EEG is performed by a method based on the statistical theory.The results show that classification accuracy exceed 90％。 |
| |
| Keywords: | Brain Computer Interface(BCI) electroencephalogram(EEG) energy entropy |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载免费的PDF全文 |
|
