EEG 信号的能量分布：基于小波 - 神经网络的 EEG 信号分类器
神经与进化计算
2013-07-31 v1 神经元与认知
摘要
本文实现并测试了一种基于小波的神经网络 (WNN) 分类器，用于识别 EEG 信号，测试对象为三组 EEG 信号（健康受试者、癫痫患者以及癫痫综合征患者在发作期间）。首先，应用具有多分辨率分析 (MRA) 的离散小波变换 (DWT) 将 EEG 信号分解为其分量（delta、theta、alpha、beta 和 gamma）的分辨率层级，并利用 Parseval 定理提取不同分辨率层级下 EEG 信号能量特征的百分比分布。其次，神经网络 (NN) 对这些提取的特征进行分类，以根据能量特征的百分比分布识别 EEG 类型。所提出算法的性能已使用总共 300 个 EEG 信号进行了评估。结果表明，所提出的分类器具有高效识别和分类 EEG 信号的能力。
引用
@article{arxiv.1307.7897,
title = {Energy Distribution of EEG Signals: EEG Signal Wavelet-Neural Network Classifier},
author = {Ibrahim Omerhodzic and Samir Avdakovic and Amir Nuhanovic and Kemal Dizdarevic},
journal= {arXiv preprint arXiv:1307.7897},
year = {2013}
}