[发明专利]基于DWT和EMD融合样本熵的脑电信号分类方法在审
| 申请号： | 201910347620.5 | 申请日： | 2019-04-28 |
| 公开（公告）号： | CN110135286A | 公开（公告）日： | 2019-08-16 |
| 发明（设计）人： | 董卉;张学军;马亮;吉娜;王龙强;霍延 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 张耀文 |
| 地址： | 210003 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于DWT和EMD融合样本熵的脑电信号分类方法，首先对预处理后信号进行小波分解，根据子带的频谱选择子带信号，再经过经验模式分解，根据各阶固有模态函数的频谱分析筛选出集中在想象运动频段的前2阶固有模态函数，对其进行样本熵计算，通过支持向量机进行特征选择得到最终分类结果。本发明利用三个通道小波分解后的子带信号进行EMD分解，对固有模态函数进行样本熵计算，在EMD的基础上加入DWT，很好地解决EMD分解时频带涵盖宽泛的问题。 | ||
| 搜索关键词： | 固有模态函数 样本 脑电信号 小波分解 子带信号 预处理 经验模式分解 支持向量机 分类结果 频谱分析 频谱选择 特征选择 想象运动 融合 分类 频段 子带 筛选 涵盖 | ||
【主权项】：
1.基于DWT和EMD融合样本熵的脑电信号分类方法，其特征在于，包括如下步骤：步骤1：采集脑电信号，并对所述脑电信号进行预处理，所述脑电信号来自左手想象运动C4通道，以及右手想象运动C3通道；步骤2：对预处理后的脑电信号进行离散小波分解，得到子带信号；步骤3：对子带信号进行经验模式分解，得到一系列固有模态函数IMFs；步骤4：将所述固有模态函数IMFs的前S阶IMFs分量合并，构成一个(2*K*S)*T的矩阵Xi，i＝L表示想象左手运动，i＝R表示想象右手运动，2*K*S为通道数，其中2为脑电信号通道数，K表示子带信号通道数，T为采样点个数；计算矩阵Xi的样本熵；步骤5：以样本熵为训练样本训练支持向量机；步骤6：计算待分类脑电信号的样本熵，并输入训练好的支持向量机中，得出待分类脑电信号的类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910347620.5/，转载请声明来源钻瓜专利网。
