当人们想象单侧肢体运动时, 对侧的大脑感觉运动皮层区域会出现 EEG 在特定频率的幅值增加/减少, 这些现象称为事件相关同步化/去同步化(ERS/ERD),这些具有空间特征分布的 ERS/ERD 通常作为输入特征用于对运动想象分类, 是脑-机接口系统中常用的信号。由于 ERD/ERS 反映特定频带事件相关脑电能量,且其频域特征分布随时间变化。为了对信号进行局部频域分析,可以采用短时傅里叶变换,通过引进滑动窗函数,可以获得非平稳信号的时变频域信息。包含空间和时间信息的二维 EEG 数据经过短时傅里叶变换,由于又包含了频率信息,成为三维数据。目前的大多数算法局限于二维分析,分析高维数据时,只有先把数据拆分为二维矩阵再进行分析,这样不仅增大分解结果的理解难度,且丢失了数据的结构信息。而 PARAFAC 算法可以分解高维数据,使分解的结果容易理解,且能在很温和的条件下保证分解的唯一性。本文采用短时傅里叶变换的方法, 对左右手运动想象 EEG 进行变换,然后进行 PARAFAC 分解提取特征,输入基于高斯概率模型的分类器,实现对左右手运动想象 EEG 的分类。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !