首页 > 文献资料
-
基于带参考信号的ICA算法的脑电信号眨眼伪差的分离研究
独立分量分析(ICA)是一种从混合信号中提取统计独立的分量的一种方法.本研究提出了一种基于带参考信号的ICA算法的脑电信号眨眼伪差的分离方法,可以得到纯净的脑电信号.这个方法的主要思路是:先选取一导眨眼伪差比较明显的数据,从中获得眨眼伪差的参考信号,再用ICA方法把眨眼伪差第一个提取出来,后得到消除伪差后的EEG信号.详细讨论了使用带参考信号的ICA算法消除眨眼伪差的方法与步骤,并给出了应用于真实信号的实验结果.
-
共空域模式方法在多类别分类中的应用
近年来脑机接口(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.在两类别的BCI中,共空域模式(CSP)算法已经被证明是十分有效的方法.本研究对CSP算法进行扩展,使其适用于多类别分类.采用"一对一(one-to-one)"的CSP策略,对四类模式的脑电信号进行分类.该方法数据用于BCI竞赛2008的数据集IIa,获得第2名,证明了该策略对于多类别分类问题的有效性.
-
不同思维作业电信号的高准确度模式分类
本文采用独立分量(ICA)分析对不同思维作业的脑电(EEG)信号进行预处理,再用自回归(AR)参数模型提取EEG信号特征,后利用BP网络完成对特征样本集的训练和分类.实验结果表明,所采用的方法提高了脑电思维模式作业的准确度,对两种到五种不同思维作业未经训练的数据的平均分类准确度达到79%以上,超过现有文献报道的结果.
-
基于遗传算法的运动想象脑电信号分类准确率的提升方法
为了提高运动想象脑电信号的分类准确率,本研究提出了一种基于遗传算法(genetic algorithm, GA)的脑电信号分类提升方法.该方法利用遗传算法与共空间模式算法(common spatial pattern, CSP)相结合,进行不同时间段的特征提取,再利用遗传算法得到不同时间段对分类正确率的权值及数据可信度.利用本实验室采集的脑电信号进行测试,分类准确率由加权前的80%左右提升至加权后的95%以上.实验结果证实,该方法可以有效提高脑电信号分类准确率,并且可以根据可信度剔除低质量的数据.同时,该方法还可以与其他特征提取方法相结合,对不同时、频特性进行有效性及可信度计算,提升分类准确率.这也是本方法更深一层的意义.
