融合多维特征与多元宇宙优化算法的脑电信号处理

打开文本图片集

摘 要： 针对运动想象脑电信号（MI-EEG）具有非线性、时变复杂、分类识别准确率低等问题，提出一种基于多维特征融合并使用多元宇宙算法优化支持向量机的方法进行脑电信号处理。首先，使用小波包变换（WPT）对预处理后的EEG 信号进行时频分解，并选择与运动想象相关的时频信息；然后，分别通过模糊散布熵（fuzzy dispersion entropy，FDE）和公共空间模式（CSP）对WPT 获得的特征集进行处理，得到相应的非线性特征和空域特征，并通过并行特征融合方法将两组特征进行融合；最后，导入基于多元宇宙优化算法（multi verse optimizer，MVO）优化的支持向量机（SVM）分类器中实现最终的分类任务。（剩余1806字）