来源：期刊VIP网 时间：
作者：谷学静;杨赵辉;郭宇承;刘佳;
单位：华北理工大学电气工程学院;唐山市数字媒体工程技术研究中心;华北理工大学机械工程学院;
摘要：针对运动想象脑电信号（MI-EEG）具有非线性、时变复杂、分类识别准确率低等问题，提出一种基于多维特征融合并使用多元宇宙算法优化支持向量机的方法进行脑电信号处理。首先，使用小波包变换（WPT）对预处理后的EEG信号进行时频分解，并选择与运动想象相关的时频信息；然后，分别通过模糊散布熵（fuzzy dispersion entropy,FDE）和公共空间模式（CSP）对WPT获得的特征集进行处理，得到相应的非线性特征和空域特征，并通过并行特征融合方法将两组特征进行融合；最后，导入基于多元宇宙优化算法（multi verse optimizer,MVO）优化的支持向量机（SVM）分类器中实现最终的分类任务。分别在2003年和2005年国际BCI大赛数据集上进行验证，最终平均分类准确率达到93.57%和88.03%，可知该文方法在分类准确率上得到显著提高。
关键词：脑电信号;特征融合;模糊散布熵;多元宇宙优化算法
基金资助：河北省自然科学基金高端钢铁冶金联合研究基金专项项目（F2017209120）; 唐山市沉浸式虚拟环境基础创新团队（18130221A）
