首页 > 文献资料
-
基于独立分量优化子带特征的三类运动想象分类
在基于头皮脑电(EEG)信号的脑-机接口(BCI)研究中,用户个体差异性和背景噪声的复杂性是影响BCI系统稳定性的两个主要因素.因此需要针对不同个体进行BCI系统参数优化,其中包括对时域、空域滤波器参数的优化设计和分类器参数的学习.本文以提高BCI系统的准确性为目标,提出了一种结合独立分量分析空域滤波器(ICA-SF)优化设计和EEG多子带特征的BCI信息处理新方法.基于所提方法,对4位受试者在不同时间采集的三类运动想象EEG(MI-EEG)进行分析.实验结果表明,在同一受试者的自交叉测试和不同受试者数据集之间的互交叉验证中,多子带特征结合方法所得到的平均识别率比仅使用单频带所得的平均识别率普遍提高,识别率大提升可达6.08%和5.15%.
-
多类核共空间模式特征提取方法研究
为了缓解共空间模式(CSP)下,对脑内的源信号和记录的脑电(EEG)信号之间严格的线性模式的假设关系,需要研究一种核共空间模式(KCSP)的特征提取方法.考虑到脑-机接口(BCI)研究已经逐渐从两类的模式识别发展为多类的模式识别,因而提出了多类核共空间模式(MKCSP)的方法,该方法将KCSP方法和多类CSP方法结合起来.我们用Logistic线性分类器对提取的特征进行了分类.实验使用的数据是2005年BCI竞赛Ⅲ的数据集Ⅲ_3a.通过实验表明,本文中的方法能够从多类别的单次试验的EEG数据中提取相应的特征,并得到了较好分类结果.