分別以自回歸(autoregression,AR)模型系數(shù)、相關(guān)系數(shù)和信息熵作為信號特征對不同思維作業(yè)腦電(EEG)信號進(jìn)行分類,其中相關(guān)系數(shù)和信息熵均是首次用于思維作業(yè)EEG信號的特征提取.實(shí)驗(yàn)結(jié)果顯示,采用信息熵作為EEG信號特征的分類準(zhǔn)確率總體上明顯高于采用另兩種特征參數(shù),且受提取特征的數(shù)據(jù)分段長度的影響最小,有利于提高基于思維作業(yè)實(shí)時腦- 機(jī)接口的通信準(zhǔn)確度和速率.同時,研究結(jié)果也進(jìn)一步證實(shí)了高頻信息可用于EEG的分類.
|