近日，中国科学技术信息研究所公布了 “领跑者5000——中国精品科技期刊顶尖学术论文”（简称“F5000”）的入选名单。我们张学军教授和孙知信教授合作的论文《基于LMD和模糊熵融合CSP的脑电信号特征提取方法》入选2023年度名单，该论文2020年发表在《仪器仪表学报》第41卷第8期。

脑机接口（Brain-computer Interface, BCI）在人脑与外用设备之间建立了一座桥梁，使人们可以不依靠四肢直接通过大脑控制诸如鼠标、轮椅以及机械手臂等设备。脑电信号特征提取是脑机接口的关键技术之一。论文针对模糊熵算法在提取脑电信号特征时存在信号序列长度、步长等诸多参数不易调整的问题，提出一种基于局部均值分解、模糊熵以及共空间模式算法的特征提取方法（Local Mean Decomposition and Fuzzy Entropy combined Common Space Pattern, LMD-FECSP）。该算法利用LMD将经过预处理的运动想象脑电信号分解为多个乘积函数（Product Function, PF）分量，根据左右手运动想象脑电信号所处的频段选出包含μ节律和β节律的PF分量。采用模糊熵算法提取已选择的PF分量的特征，使用共空间模式算法对得到的特征进行投影映射。最后，对比投影前后的特征向量，并选取其中最具区分度的特征输入到支持向量机中用于分类。论文采用BCI竞赛数据集进行实验，平均分类准确率达到95.30%，实验结果表明L-FECSP特征提取方法能够有效区分左右手运动想象脑电信号。

（论文引用：张学军,万东胜,孙知信. 基于LMD和模糊熵融合CSP的脑电信号特征提取方法 [J]. 仪器仪表学报, 2020, 41 (08): 226-234. DOI:10.19650/j.cnki.cjsi.J2006264.）

 “领跑者5000（F5000）”是中国精品科技期刊顶尖学术论文的简称，由国家科技部主导，中国科学技术信息研究所（ISTIC）负责组织评选。该项目自2012年启动，旨在推动中国科技期刊的发展，展示中国科技期刊的优秀学术成果，并提升其国际影响力。F5000的评选过程非常严格，采用定量分析和同行评议相结合的方式。评选标准包括：论文必须发表在中国精品科技期刊上，并且是各学科被引次数排名前1%的论文。每种精品期刊从5年间发表的论文中择优选取不超过20篇作为提名论文，再经过进一步遴选才能成为F5000论文。该奖项不仅在国内获得了广泛认可，还通过与国际重要信息服务机构和国际出版机构的合作，将F5000论文集中链接和推送给国际同行，为中国作者融入国际学术共同体提供了高效渠道。

                                                                                                               撰稿：张学军  编辑：方  伟

                                                                                                               初审：赵学健  审核：郭彦铮