机译:使用EEG信号推断想象的语音:使用黎曼流形特征的新方法
School for Engineering of Matter, Transport and Energy, Arizona State University, Tempe, AZ 85287, United States of America;
School for Engineering of Matter, Transport and Energy, Arizona State University, Tempe, AZ 85287, United States of America;
School for Engineering of Matter, Transport and Energy, Arizona State University, Tempe, AZ 85287, United States of America;
EEG; BCI; speech imagery; relevance vector machines;
机译:基于Riemannian距离谱密度的肝脏距离的IG信号分类
机译:基于ANN的多模式ASR系统的音频和想象/发声EEG信号的小波特征选择
机译:基于小波的特征提取,用于分析与想象中的拳头和脚部运动有关的脑电信号
机译:想象语音和公开语音中时空特征的脑电图表征
机译:从脑电图(EEG)信号推断脑状态的主题建模
机译:EEG信号描述与基于光谱包络的语音识别特征用于检测新生儿癫痫发作
机译:EEG信号在EMD域S. S. Shafiul Alam,S中的非线性动力学使用非线性动力学。 M. Shafiul Alam,Aurangozeb和Syed Tarekshahriar摘要 - 基于EMD Chaos的方法,提出了对应于健康人的EEG信号,癫痫发作期间的癫痫患者和Seizureattacks。脑电图(EEG)首先被凭经上分解为内在模式功能(IMF)。这些IMF的非线性动力学在最大范围的指数(LLE)和相关尺寸(CD)方面是量化的。本域中的混沌分析应用于与健康人相对应的大型脑电图(Asepileptic患者)(两者都有癫痫发作)。因此,所获得的LLE和CD表展的价值可以从EMD领域的其他EEG信号中清晰地区分脑电图的表达展示。本拟议的方法可以帮助研究人员以预测癫痫发作的癫痫发作技术。索引术语 - 脑电图(EEG),仿真态分解(EMD),最大的Lyapunov指数(LLE),相关维度(CD),癫痫发作。作者与电气电子和电子工程公司,孟加拉国工程和技术大学,孟加拉国达卡 - 1000(电子邮件:imamul@eee.buet.ac.bd)pdf cite:s. m. shafiul Alam,s。 M. Shafiul Alam,Aurangozeb和Syed Tarek Shahriar,“EEG信号歧视在EMD领域的非线性动态,”计算机电气工程卷国际杂志。 4,不。 3,pp。326-330,2012,上一篇论文对情绪的看法,使用建设性的学习言论下一篇论文物理层障碍意识到OVPN连接选择机制版权所有©2008-2013。国际计算机科学与信息技术协会出版社(IACSIT Press)