【脑电信号】基于小波变换特征结合BP神经网络、
GRNN、PNN、RBF、KNN多种算法实现癫痫脑电信号识
别含Matlab源码
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。
编辑
2 部分代码
function [coeff,lowdata,eigvalsort,explain,meanvalue] = myPCA(data)%datawei row行
col列矩阵,row% data = data';[row,col] = size(data);meanvalue =
mean(data);normdata = data - repmat(meanvalue,[row,1]);covmat = cov(normdata);
[eigvect,eigval] = eig(covmat);[sortmat,sortix] = sort(eigval,'descend');[b,ix] =
sort(sortmat(1,:),'descend');coeff = eigvect(:,ix);lowdata =
normdata*coeff;explain = 100*b/sum(b);eigvalsort = b;end
评论0