• 天津大学 电气自动化与信息工程学院(天津 300072);
导出 下载 收藏 扫码 引用

研究大脑对不同气味的识别能力在嗅觉功能障碍评估和诊断等方面具有重要意义。本文提出将小波能量矩(WEM)作为嗅觉诱发脑电图(EEG)信号特征并用于气味分类。首先,通过试验采集 13 种气味的嗅觉诱发 EEG 数据;其次,从嗅觉诱发 EEG 数据中提取 WEM 作为信号特征,并将功率谱密度(PSD)、近似熵、样本熵及小波熵作为对比特征;最后,利用 k 近邻(k-NN)、支持向量机(SVM)、随机森林(RF)和决策树分类器识别不同的气味。结果表明,使用以上 4 种分类器,WEM 特征分类准确率均高于其它特征,其中 k-NN 分类器与 WEM 特征结合的分类准确率最高(91.07%)。本文进一步对不同 EEG 信号的频带进行了探究,发现大多数基于 γ 频带的分类准确率优于全频带及其他频带,其中 γ 频带 WEM 特征结合 k-NN 分类器的分类准确率最高(93.89%)。本文的研究结果一方面可为嗅觉功能评价提供新的客观依据,另一方面,也可为嗅觉诱发情绪的研究提供新的思路。

引用本文: 翟文鹏, 张小内, 侯惠让, 孟庆浩. 基于小波能量矩的嗅觉脑电信号识别. 生物医学工程学杂志, 2020, 37(3): 399-404. doi: 10.7507/1001-5515.201910036 复制

  • 上一篇

    焦虑状态前额叶皮层动作电位因果网络连接模式的研究
  • 下一篇

    基于特权信息集成学习的精神分裂症单模态神经影像计算机辅助诊断