针对脑电信号非平稳非线性特征,提出基于改进的局部均值分解（Local Mean Decomposition,LMD）运动想象信号分类方法。首先结合改进LMD算法和加窗原则选取4-6 s想象信号作为分类数据,提取包含μ节律和β节律的PF分量;其次计算所选分量...针对脑电信号非平稳非线性特征,提出基于改进的局部均值分解（Local Mean Decomposition,LMD）运动想象信号分类方法。首先结合改进LMD算法和加窗原则选取4-6 s想象信号作为分类数据,提取包含μ节律和β节律的PF分量;其次计算所选分量的样本熵值;最后用支持向量机进行分类预测,并用分类准确率进行评估。实验结果表明,运用改进LMD比传统LMD方法的识别率更高,从而验证该方法的有效性。展开更多
文摘针对脑电信号非平稳非线性特征,提出基于改进的局部均值分解（Local Mean Decomposition,LMD）运动想象信号分类方法。首先结合改进LMD算法和加窗原则选取4-6 s想象信号作为分类数据,提取包含μ节律和β节律的PF分量;其次计算所选分量的样本熵值;最后用支持向量机进行分类预测,并用分类准确率进行评估。实验结果表明,运用改进LMD比传统LMD方法的识别率更高,从而验证该方法的有效性。
