论文部分内容阅读
针对隐马尔科夫模型在运动想象脑电信号分类应用中，其独立性假设与脑电信号间相关性的不一致问题，提出一种基于Choquet模糊积分隐马尔科夫模型的脑电信号分类方法。该模型应用模糊积分的单调性取代了概率测度的可加性，放宽了隐马尔科夫模型的独立性假设。利用重叠滑动窗对脑电信号分段，然后对每段数据提取绝对均值、波长和小波包相对能量特征，构成特征序列用于CI-HMM的训练和分类。选取2008年BCI竞赛Datasets1的两类运动想象数据进行分类实验，结果表明，该方法有效提高了隐马尔科夫模型方法对运动想象脑电信号分类