论文部分内容阅读
为改善运动想象脑电信号特征提取的自适应性和实时性，提出一种基于希尔伯特-黄变换（HHT）与共空域子空间分解算法（CSSD ）的特征提取方法（HCSSD ）。在对脑电信号进行预处理的基础上，定义一种相对距离准则优选脑电极组合；计算4略得到脑电的时-频-空特征；设计学习矢量量化神经网络分类器，实现脑电数据分类。在训练集与测试集间隔一周且减少导联数量的情况下，基于HCSSD对左手小指和舌头的运动想象ECoG脑电数据的平均识别率为92％。实验结果表明：HCSSD在增强特征提取方法的自适应性、改善实时性的同时，提高