文档介绍：第 37卷第 6期昆明理工大学学报(自然科学版) No6

2012年 12月 JournalofKunmingUniversityofScienceandTechnology(NaturalScienceEdition)

doi:.1007-
基于 EMD和 SVM 的脑电信号处理方法
余炜,韩强,马晶晶,谢培
(昆明理工大学信息工程与自动化学院,云南昆明 650500)
摘要:脑电信号的特征提取对于脑—机接口(BCI)技术来说非常重要。本文使用经验模式分解
(EMD)算法对脑电信号进行分解,提取主要 IMF分量的特征值,之后使用支持向量机进行分类,
并采用启发算法(POS) 2003年第二届 BCI大赛的想象左右手运动脑电信号分
类正确率达到 876%,验证了本方法的可行性.
关键词:脑—机接口(BCI);经验模式分解(EMD);支持向量机(SVM)
中图分类号:Q64 文献标识码:A 文章编号:1007-855X(2012)06-0038-05
EEG SignalProcessingMethodBasedonEMDandSVM
YUWei,HANQiang,MAJingjing,XIEPei
(FacultyofInformationEngineeringandAutomation,KunmingUniversityofScience
andTechnology,Kunming650500,China)
Abstract:puterinterface(BCI)
thispaper,position(EMD)posetheEEGandtoextractthe

risticalgorithm(POS)
petitionin2003,with
%.
Keywords:puterinterface(BCI);position(EMD);supportvectormachine
(SVM)
0 前言
脑—机接口(puterInterface,BCI)是指利用人脑受到外界刺激时产生的特定模式信号在人
,由脑-机接口得到的信号数据存在
数据量大、信号非平稳、有效成分微弱、复杂等特点,为了有效地进行分类、处理和控制,需要对原始数据进
行变换,得到最能反映信号本质的特征,这就是特征提取的过程,它也是脑-机接口的关键技术之一[1-3].
目前在脑—机接口领域主要的特征提取方法有四类,分别为:单纯的时域或频域信息方法,传统时频
特征组合的方法,