文档名：基于小波变换的EEGfNIRS多模态数据融合方法
摘要：在多模态脑机接口系统(Brain-ComputerInterface,BCI)的研究中,有特征级、决策级以及数据级三种融合策略.数据级融合在特征提取之前将多种模态数据融合,能够提升系统计算效率.但是,由于不同模态信号的采样率和幅值尺度等存在差异,给数据级融合的实现带来挑战.提出了一种基于小波变换的脑电(Electroencephalogram,EEG)和功能性近红外光谱(FunctionalNear-InfraredSpectroscopy,fNIRS)多模态数据融合方法.首先对两种信号进行小波分解,再将两组小波系数通过基于Fisher值的融合规则生成新的小波系数,然后通过小波重构得到融合信号,最后提取融合信号的共空间模式特征,利用线性判别分析进行分类.在对心理算数任务数据的分类实验中,获得88.1％的分类精度,表明了所提出方法的有效性和鲁棒性.
作者：李立柱 孟明 高云园 马玉良Author：LILizhu MENGMing GAOYunyuan MAYuliang
作者单位：杭州电子科技大学自动化学院,浙江杭州310018
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(7)
分类号：TP391
关键词：脑电图 功能性近红外 Fisher值 数据级融合 共空间模式
Keywords：electroencephalogram functionalnear-infraredspectroscopy fishervalue data-levelfusion commonspacepattern
机标分类号：TP391.41TN911.7R318
在线出版日期：2023年12月12日
基金项目：国家自然科学基金，国家自然科学基金，国家自然科学基金基于小波变换的EEG-fNIRS多模态数据融合方法[
期刊论文] 传感技术学报--2023, 36(7)李立柱 孟明 高云园 马玉良在多模态脑机接口系统(Brain-ComputerInterface,BCI)的研究中,有特征级、决策级以及数据级三种融合策略.数据级融合在特征提取之前将多种模态数据融合,能够提升系统计算效率.但是,由于不同模态信号的采样率和幅值尺度等...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于小波变换的EEG-fNIRS多模态数据融合方法 A Data Fusion Method for Hybrid EEG-fNIRS BCI Base on Wavelet Transform
基于小波变换的EEG-fNIRS多模态数据融合方法.pdf
|
|
