本研究探讨了运动想象脑电信号的特征提取以及相应的分类算法。

简介：
鉴于运动想象脑电信号的特征提取面临着识别困难和分类准确率偏低的挑战，本文提出了一种基于小波熵的新型算法，旨在解决这一问题。该算法的核心在于利用小波熵来提取特征，并结合支持向量机（SVM）技术进行分类。首先，计算运动想象脑电信号的功率，随后通过理论分析确定合适的微波包尺度，对信号进行微波包分解，并计算得到的微波包熵（WPE）。接着，提取C3和C4导联的微波包熵插值值，最终构建成特征向量。这些特征向量随后作为支持向量机的输入，用于进行分类任务。为了验证该算法的有效性，我们采用了国际BCI竞赛2003中的Graz数据集进行实验。实验结果表明，该算法在最高程度上实现了97.56%的分类正确率。值得注意的是，该算法所提取的特征向量维度较低、所需的数据量相对较小，同时能够获得较高的分类准确率。因此，该方法对于运动想象脑电信号的特征提取以及后续分类任务提供了有价值的参考思路和方法。