發(fā)布時(shí)間：2023-02-12 09:32

　　運(yùn)動(dòng)想象腦電信號(hào)作為一種典型的非線性、非平穩(wěn)信號(hào),在傳統(tǒng)基于單一特征提取的分類方法中難以取得理想的分類性能。針對(duì)該問(wèn)題,將分?jǐn)?shù)階傅里葉變換(Fractional Fourier Transform,FrFT)引入到腦電信號(hào)特征提取過(guò)程中。首先利用FrFT對(duì)信號(hào)進(jìn)行分析,在擴(kuò)展特征域的同時(shí)從不同維度提取信號(hào)中的有用信息并構(gòu)成特征向量,然后利用支持向量機(jī)(Support Vector Machine,SVM)分類器對(duì)所提取的特征向量進(jìn)行分類,最后采用Graz數(shù)據(jù)開(kāi)展實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明所提方法能夠獲得高達(dá)92.57%的正確分類結(jié)果,明顯高于傳統(tǒng)采用單一特征提取的分類方法。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 實(shí)驗(yàn)數(shù)據(jù)介紹
2 分?jǐn)?shù)階傅里葉變換
3 特征提取和分類識(shí)別
    3.1 特征提取
    3.2 分類識(shí)別
4 結(jié)束語(yǔ)



本文編號(hào)：3740841