一种新的脑电特征提取方法研究  

Novel method on feature exaction for EEG recognition

作　　者：胡瑞芬[1] 李光[2] 张锦[1] 

机构地区：[1]浙江大学生物医学工程系生物医学工程教育部重点实验室,杭州310027 [2]浙江大学工业控制技术国家重点实验室先进控制研究所,杭州310027

出　　处：《仪器仪表学报》2006年第z3期2187-2188,共2页Chinese Journal of Scientific Instrument

摘　　要：基于控制信号为皮层慢电位的脑机接口数据,本文提出了一种脑电模式识别的新方法。该算法将脑电数据的近似熵值、自相关系数和皮层慢电位组合成新的特征向量,并选取k-近邻法作为分类器进行模式识别。在公开测试集中,新算法能达到较高的识别率,同时表明近似熵和自相关系数可以作为新参量对脑电数据进行分析。In this paper, we proposed a new method to analyze brain-computer interface (BCI) datasets. By importing approximate entropy (ApEn) and auto-correlation coefficient as additional features, we enhanced the performance of the former classification algorithm, which was merely based on slow cortical potentials (SCPs). We used k-nearest neighbor classifier, and the result testifies the value of the new features in EEG analysis.

关 键 词：脑机接口 皮层慢电位 近似熵 自相关系数 K-近邻法 

分 类 号：TH7-55[机械工程—仪器科学与技术]