检索结果-维普期刊中文期刊服务平台

基于EEMD和WT的运动想象脑电信号消噪方法被引量：11: 1; 作者蔡慧马玉良 +2 位作者佘青山高云园孟明《传感技术学报》 CAS CSCD 北大核心 2016年第5期716-722,共7页; 采集到的运动想象脑电信号MI EEG(Motor Imagery Electroencephalogram)通常含有大量噪声信号。为了消除噪声同时保留尽可能多的有效信号,本文提出了将集合经验模态分解EEMD(Ensemble Empirical Mode Decomposition)与改进小波阈值法相... 展开更多; 关键词运动想象脑电信号消噪 EEMD 小波阈值法 IMF分量; 在线阅读下载PDF 职称材料

基于改进GHSOM的运动想象脑电信号自适应识别方法被引量：6: 2; 作者李明爱田晓霞 +1 位作者孙炎珺杨金福《仪器仪表学报》 EI CAS CSCD 北大核心 2015年第5期1064-1071,共8页; 为解决运动想象脑电信号(MI-EEG)的识别方法泛化能力受限和自适应性差等问题,对传统的生长、分层自组织映射神经网络(GHSOM)进行改进,并提出一种主成分分析法(PCA)与改进的GHSOM神经网络(IGHSOM)相结合的脑电自适应识别方法。由于IGHSO... 展开更多; 关键词运动想象脑电信号自适应性主成分分析 GHSOM神经网络识别; 在线阅读下载PDF 职称材料

基于盲源分离的运动想象脑电信号特征提取方法的研究被引量：6: 3; 作者张立国张玉曼 +1 位作者金梅于国辉《计量学报》 CSCD 北大核心 2015年第5期535-539,共5页; 运动想象脑电信号被广泛应用于脑机接口系统中。针对如何准确有效地提取运动想象脑电信号特征的问题，通过分析运动想象脑电信号时域、频域和头皮空间域的特征，提出了以小波变换为预处理，并利用二阶盲辨识算法和信息论特征提取算法相... 展开更多; 关键词计量学运动想象脑电信号特征提取盲源分离信息论特征提取空间滤波; 在线阅读下载PDF 职称材料

基于运动想象脑电信号的导联排序研究被引量：1: 4; 作者胡侠吴耿锋《计算机工程与设计》 CSCD 北大核心 2010年第19期4265-4267,4292,共4页; 为在脑机接口系统BCI(brain-computerinterface)中有效选择导联进行特征提取和分类提供依据,研究了基于运动想象脑电信号的导联排序。根据公共空间模式算法CSP(common spatial pattern)原理提出了一种导联排序方法——基于协方差和主成... 展开更多; 关键词脑机接口(BCI) 运动想象脑电信号(MI) 导联排序公共空间模式(CSP) 参数选择; 在线阅读下载PDF 职称材料

基于迁移学习多层级融合的运动想象EEG辨识算法被引量：6: 5; 作者周强田鹏飞《电子测量与仪器学报》 CSCD 北大核心 2021年第12期174-181,共8页; 为了准确获取运动想象脑电信号的全局特征和个体间的共性特征,进而提高其分类准确率和模型鲁棒性,提出一种参数共享迁移学习的融合卷积神经网络算法。首先把源域上训练完成的网络逐层迁移至目标网络以获取最佳迁移层。其次,在迁移层后... 展开更多; 关键词运动想象脑电信号卷积神经网络迁移学习多层级融合网络模型; 在线阅读下载PDF 职称材料

基于小波包和深度信念网络的脑电特征提取方法被引量：26: 6; 作者李明爱张梦孙炎珺《电子测量与仪器学报》 CSCD 北大核心 2018年第1期111-118,共8页; 针对运动想象脑电信号(motor imagery electroencephalography,MI-EEG)的时变性、个体差异性等特点,提出一种将小波包变换(wavelet packet transform,WPT)与深度信念网络(deep belief networks,DBN)相结合的脑电特征自动提取方法,记为W... 展开更多; 关键词运动想象脑电信号深度信念网络小波包变换 Softmax分类器 DROPOUT; 在线阅读下载PDF 职称材料

基于连续小波变换和符号传递熵的脑功能网络构建方法被引量：8: 7; 作者李明爱张圆圆《电子学报》 EI CAS CSCD 北大核心 2022年第7期1600-1608,共9页; 为有效利用运动想象脑电信号(Motor Imagery Electroencephalogram,MI-EEG)的频域信息并精确反映脑电极之间的非线性因果交互作用,本文提出一种基于连续小波变换和符号传递熵的脑功能网络构建方法.首先,对每导MI-EEG进行连续小波变换,... 展开更多; 关键词脑-机接口运动想象脑电信号连续小波变换符号传递熵脑功能网络; 在线阅读下载PDF 职称材料

题名基于EEMD和WT的运动想象脑电信号消噪方法被引量：11: 1; 作者蔡慧马玉良佘青山高云园孟明; 机构杭州电子科技大学智能控制与机器人研究所; 出处《传感技术学报》 CAS CSCD 北大核心 2016年第5期716-722,共7页; 基金国家自然科学基金项目(61372023 61201302 +1 种基金 61201300) 浙江省自然科学基金项目(LY14F030023); 文摘采集到的运动想象脑电信号MI EEG(Motor Imagery Electroencephalogram)通常含有大量噪声信号。为了消除噪声同时保留尽可能多的有效信号,本文提出了将集合经验模态分解EEMD(Ensemble Empirical Mode Decomposition)与改进小波阈值法相结合的消噪方法。改进小波阈值法采用了新的阈值选取规则和阈值函数。首先对信号进行EEMD分解,然后再对高频固有模态函数IMF(Intrinsic Mode Functions)进行改进小波阈值处理,最后将处理后的高频IMF分量和低频IMF分量进行重构得到消噪信号。以信噪比和均方根误差作为消噪效果的定量评价指标,将本文提出的方法与单纯使用EEMD分解消噪法、单独使用改进小波阈值消噪法、EMD与改进小波阈值法相结合消噪法进行比较,结果表明,本文提出的消噪法优于其他三种消噪法。; 关键词运动想象脑电信号消噪 EEMD 小波阈值法 IMF分量; Keywords mi eeg de-noising EEMD wavelet threshold method imf; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于改进GHSOM的运动想象脑电信号自适应识别方法被引量：6: 2; 作者李明爱田晓霞孙炎珺杨金福; 机构北京工业大学电子信息与控制工程学院计算智能与智能系统北京市重点实验室; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2015年第5期1064-1071,共8页; 基金国家自然科学基金(81471770 61201362) 北京市自然科学基金(7132021)项目资助; 文摘为解决运动想象脑电信号(MI-EEG)的识别方法泛化能力受限和自适应性差等问题,对传统的生长、分层自组织映射神经网络(GHSOM)进行改进,并提出一种主成分分析法(PCA)与改进的GHSOM神经网络(IGHSOM)相结合的脑电自适应识别方法。由于IGHSOM能够根据上一层扩展神经元的量化误差进行自动分层判断,使得其不仅对数据映射更加准确和详细,而且增强了网络的稳定性和自适应性。基于脑机接口(BCI)竞赛数据库,利用PCA进行特征提取,以IGHSOM为分类器进行实验研究。结果表明,该方法获得了较高的识别精度,验证了GHSOM改进策略及该识别方法的正确性和有效性。; 关键词运动想象脑电信号自适应性主成分分析 GHSOM神经网络识别; Keywords motor imagery EEG adaptability principal component analysis（PCA） GHSOM neural network recognition; 分类号 TH79 [机械工程—精密仪器及机械]; 在线阅读下载PDF 职称材料

题名基于盲源分离的运动想象脑电信号特征提取方法的研究被引量：6: 3; 作者张立国张玉曼金梅于国辉; 机构燕山大学河北省测试计量技术与仪器重点实验室秦皇岛视听机械研究所; 出处《计量学报》 CSCD 北大核心 2015年第5期535-539,共5页; 基金国家自然科学基金(61077071); 文摘运动想象脑电信号被广泛应用于脑机接口系统中。针对如何准确有效地提取运动想象脑电信号特征的问题，通过分析运动想象脑电信号时域、频域和头皮空间域的特征，提出了以小波变换为预处理，并利用二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器，从时域、频域和头皮空间域对运动想象脑电信号进行特征提取的方法。实验结果表明，采用时域、频域和空间域提取特征的方法性能有明显提高，并且将二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器能够反映更真实的大脑源活动。; 关键词计量学运动想象脑电信号特征提取盲源分离信息论特征提取空间滤波; Keywords metrology motor imagery EEG feature extraction blind source separation ITFE spatial filtering; 分类号 TB973 [机械工程—测试计量技术及仪器]; 在线阅读下载PDF 职称材料

题名基于运动想象脑电信号的导联排序研究被引量：1: 4; 作者胡侠吴耿锋; 机构上海大学计算机工程与科学学院; 出处《计算机工程与设计》 CSCD 北大核心 2010年第19期4265-4267,4292,共4页; 基金上海市科委重点科技攻关基金项目(08511501702) 上海市重点学科建设基金项目(J50103); 文摘为在脑机接口系统BCI(brain-computerinterface)中有效选择导联进行特征提取和分类提供依据,研究了基于运动想象脑电信号的导联排序。根据公共空间模式算法CSP(common spatial pattern)原理提出了一种导联排序方法——基于协方差和主成分分析的排序算法CPSorting(covariance and principal component sorting),并研究了运动想象脑电信号MI(motor imagery)中导联的排序情况以及排序靠前的导联对分类的贡献。利用公共空间模式算法对CPSorting排序后导联的数据提取特征,再分别应用支持向量机SVM和K近邻算法KNN进行分类。实验结果表明了该排序算法能有效地对基于运动想象脑电信号的导联进行排序。; 关键词脑机接口(BCI) 运动想象脑电信号(MI) 导联排序公共空间模式(CSP) 参数选择; Keywords brain-computer interface （BCI） motor imagery EEG （MI） channels sorting common spatialpattern （CSP） parameter choice; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于迁移学习多层级融合的运动想象EEG辨识算法被引量：6: 5; 作者周强田鹏飞; 机构陕西科技大学电气与控制工程学院; 出处《电子测量与仪器学报》 CSCD 北大核心 2021年第12期174-181,共8页; 基金陕西省科技计划项目(2019GY-090) 咸阳市科技计划项目(2017K02-06)资助。; 文摘为了准确获取运动想象脑电信号的全局特征和个体间的共性特征,进而提高其分类准确率和模型鲁棒性,提出一种参数共享迁移学习的融合卷积神经网络算法。首先把源域上训练完成的网络逐层迁移至目标网络以获取最佳迁移层。其次,在迁移层后分别连接不同数量的卷积-池化块构成4个不同深度的卷积网络,并将其并行融合后连接分类器得到分类结果。利用BCI竞赛IV Datasets 2a对提出方法进行实验分析。结果显示,使用100%和50%样本时所有受试者的平均辨识率分别为80.85%和78.9%,验证了提出方法在全局特征提取上的有效性小样本问题上的优势。; 关键词运动想象脑电信号卷积神经网络迁移学习多层级融合网络模型; Keywords motor imagination-EEG signal convolutional neural network transfer learning multi-layers network fusion model; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TN911 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于小波包和深度信念网络的脑电特征提取方法被引量：26: 6; 作者李明爱张梦孙炎珺; 机构北京工业大学信息学部自动化学院; 出处《电子测量与仪器学报》 CSCD 北大核心 2018年第1期111-118,共8页; 基金国家自然科学基金(81471770) 北京市自然科学基金(7132021)资助项目; 文摘针对运动想象脑电信号(motor imagery electroencephalography,MI-EEG)的时变性、个体差异性等特点,提出一种将小波包变换(wavelet packet transform,WPT)与深度信念网络(deep belief networks,DBN)相结合的脑电特征自动提取方法,记为WD法。首先,利用平均功率谱方法对MI-EEG进行时域分析,选取有效的时序段。其次,使用WPT对有效时域段的各导MI-EEG进行时频分解,并选取与想象任务相关的频段信息重构脑电信号;然后,将各导重构MI-EEG串接,并将其瞬时功率信号输入给DBN模型实现特征自动提取。最后,利用Softmax分类器完成脑电想象任务的模式分类。在DBN模型训练中通过增加Dropout训练技巧来解决因训练数据少等引起的过拟合问题,以提高分类结果。利用BCI标准竞赛数据库进行实验研究,5-折交叉验证法取得了94.06%的分类准确率,证明该方法能够充分利用脑电的神经生理学特点,自适应地提取个性化的深层脑电特征,有利于改善分类效果。; 关键词运动想象脑电信号深度信念网络小波包变换 Softmax分类器 DROPOUT; Keywords motor imagery EEG deep belief network wavelet packet transform softmax classifier Dropout; 分类号 R318 [医药卫生—生物医学工程] TN911.7 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于连续小波变换和符号传递熵的脑功能网络构建方法被引量：8: 7; 作者李明爱张圆圆; 机构北京工业大学信息学部计算智能与智能系统北京市重点实验室教育部数字社区工程研究中心; 出处《电子学报》 EI CAS CSCD 北大核心 2022年第7期1600-1608,共9页; 基金国家自然科学基金(No.62173010,No.11832003)。; 文摘为有效利用运动想象脑电信号(Motor Imagery Electroencephalogram,MI-EEG)的频域信息并精确反映脑电极之间的非线性因果交互作用,本文提出一种基于连续小波变换和符号传递熵的脑功能网络构建方法.首先,对每导MI-EEG进行连续小波变换,求得其时-频-能量矩阵;然后,将与运动想象密切相关的频带内各频率所对应的时间-能量序列依次拼接,得到各导联的一维时频能量序列;最后,基于任意两电极时频能量序列间的符号传递熵计算连接矩阵,构建脑功能网络.实验结果表明,以电极时频能量序列间的符号传递熵构建的脑功能网络,能够有效反映MIEEG的时频特征和非线性特征信息传递,相比于传统脑网络构建方法,更有利于增强不同运动想象任务的可分性.; 关键词脑-机接口运动想象脑电信号连续小波变换符号传递熵脑功能网络; Keywords brain-computer interface motor imagery electroencephalography continuous wavelet transform symbolic transfer entropy brain functional network; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于EEMD和WT的运动想象脑电信号消噪方法	蔡慧马玉良佘青山高云园孟明	《传感技术学报》 CAS CSCD 北大核心	2016	11	在线阅读下载PDF 职称材料
2	基于改进GHSOM的运动想象脑电信号自适应识别方法	李明爱田晓霞孙炎珺杨金福	《仪器仪表学报》 EI CAS CSCD 北大核心	2015	6	在线阅读下载PDF 职称材料
3	基于盲源分离的运动想象脑电信号特征提取方法的研究	张立国张玉曼金梅于国辉	《计量学报》 CSCD 北大核心	2015	6	在线阅读下载PDF 职称材料
4	基于运动想象脑电信号的导联排序研究	胡侠吴耿锋	《计算机工程与设计》 CSCD 北大核心	2010	1	在线阅读下载PDF 职称材料
5	基于迁移学习多层级融合的运动想象EEG辨识算法	周强田鹏飞	《电子测量与仪器学报》 CSCD 北大核心	2021	6	在线阅读下载PDF 职称材料
6	基于小波包和深度信念网络的脑电特征提取方法	李明爱张梦孙炎珺	《电子测量与仪器学报》 CSCD 北大核心	2018	26	在线阅读下载PDF 职称材料
7	基于连续小波变换和符号传递熵的脑功能网络构建方法	李明爱张圆圆	《电子学报》 EI CAS CSCD 北大核心	2022	8	在线阅读下载PDF 职称材料