如何利用小波变换与BP、GRNN、PNN、RBF、KNN算法结合脑电信号进行特征提取？

本文共计535个文字，预计阅读时间需要3分钟。

1. 简介提出基于脑电信号识别的研究。利用离散小波变换（DWT）的db8小波分解得到的细节分量作为信号的新表达，将各个细节分量的能量作为特征，建立BP神经网络、GRNN、PNN、RBF、KNN模型。

1 简介

提出基于癫痫脑电信号识别研究.利用离散小波变换(DWT)的db8小波分解得到的细节分量作为信号新的表达,把各个细节分量能量作为特征,建立BP神经网络、GRNN、PNN、RBF、KNN模型.研究发现,其对癫痫脑电信号识别研究的方案是可行的,满足模型对泛化能力的要求.

利用EEG将癫痫脑电信号的关键是对能表征各个睡眠阶段的特征进行提取。受试者在长时间的测试过程中，电极松动或移动会带来基线漂移，而对频谱图的研究发现，低频信号的幅值相对较大，尤其以1Hz以内的幅值最为显著，据此可以判断，信号主要存在基线漂移现象。通过离散小波变换处理数据，在消除基线漂移之后提取各个分量的能量作为模型特征。