典型文献
采用改进共空间模式算法的四类表情辅助脑电信号识别方法
文献摘要：
针对采用传统共空间模式(CSP)算法处理脑电信号时存在的特征提取困难、计算复杂度高及信号识别率低等问题,提出了一种基于重复二分滤波器组共空间模式(RB-FBCSP)算法和支持向量机(SVM)算法的4类(左撇嘴、右撇嘴、皱眉、扬眉)表情辅助脑电信号识别方法.利用滤波器组筛选出表情辅助脑电信号中包含α波和0波的信号;将4类表情看作上面部表情(皱眉、扬眉)和下面部表情(左撇嘴、右撇嘴)两大类进行CSP特征提取,并结合SVM分类器进行分类;将识别出的上面部和下面部表情脑电信号均重复进行一次CSP特征提取和SVM二分类,实现表情辅助脑电信号的四分类.实验结果表明:所提识别方法的计算复杂度与采用传统CSP扩展算法的脑电信号识别方法相比有明显降低,且运算耗时少、平均分类准确率高,可达89.61％;相比于传统OVO-CSP、OVR-CSP和小波包变换算法结合SVM分类,所提识别方法的平均识别率分别提高了9.23％、9.82％和 8.04％.
文献关键词：
共空间模式;表情;脑电信号;重复二分;支持向量机;特征提取;四分类
中图分类号：
作者姓名：
王迪;陶庆;张小栋;苏娜;吴斌;方婧瑶;陆竹风
作者机构：
新疆大学机械工程学院,830047,乌鲁木齐;西安交通大学机械工程学院,710049,西安;新疆医科大学第一附属医院,830054,乌鲁木齐
文献出处：
引用格式：
[1]王迪;陶庆;张小栋;苏娜;吴斌;方婧瑶;陆竹风-.采用改进共空间模式算法的四类表情辅助脑电信号识别方法)[J].西安交通大学学报,2022(12):136-143
A类：
重复二分
B类：
共空间模式,四类,脑电信号,信号识别,统共,计算复杂度,识别率,滤波器组,RB,FBCSP,撇嘴,皱眉,扬眉,出表,上面,面部表情,两大类,分类器,二分类,四分类,平均分,分类准确率,OVO,OVR,小波包变换,换算
AB值：
0.22205
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
