赵利民，朱晓军，高旭瑞

(太原理工大学 计算机科学与技术学院，山西 晋中 030600)

基于改进的LMD运动想象信号识别*

赵利民，朱晓军，高旭瑞

(太原理工大学 计算机科学与技术学院，山西 晋中 030600)

针对脑电信号非平稳非线性特征，提出基于改进的局部均值分解（Local Mean Decomposition，LMD）运动想象信号分类方法。首先结合改进LMD算法和加窗原则选取4～6 s想象信号作为分类数据，提取包含μ节律和β节律的PF分量；其次计算所选分量的样本熵值；最后用支持向量机进行分类预测，并用分类准确率进行评估。实验结果表明，运用改进LMD比传统LMD方法的识别率更高，从而验证该方法的有效性。

LMD；加窗原则；样本熵；PF分量；支持向量机

0 引言

在脑机接口中，人们在想象单侧手运动时，对侧相应初级感觉运动皮层区的脑电信号幅值降低，这种现象称为事件相关去同步(Event-Related Desynchronization，ERD)；同侧脑电信号幅值升高，称为事件相关同步(Event-Related Synchronization，ERS)[1]。研究表明，在想象左/右手运动时，大脑感觉皮层的μ节律和β节律出现一定变化，并遵循ERD/ERS规律。为此，利用ERD/ERS现象进行脑电信号的特征提取与分类成为BCI研究的关键环节。

在特征提取方面，LMD是一种新的自适应非平稳信号处理方法，能够从原始信号中分离出纯调频信号和包络信号，将其相乘便可以得到具有瞬时物理意义的PF分量[2]。目前，很多学者对基于LMD的运动想象信号进行了研究。但是该方法在应用时存在端点效应问题，使得信号产生畸变，分解过程中可能会造成信号两端端点发散，导致信号在重构时丢失部分原有特征[3]。……