基于多通道线性描述符的脑-机接口分类算法的研究
摘要:
脑电信号的特征提取是脑-机接口(BCI)中的一个关键部分,对提高分类正确率和信息传输率起着决定性的作用.本研究利用多通道线性描述符提取脑电信号的分类特征信息,将三个描述符单独和联合地施加于三个感兴趣的电极子集,导出12个特征矢量.五个受试参加了一个在线反馈BCI实验.实验期间他们被要求想象左手或右手运动,记录的脑电图数据用于离线分析.对来自7导和11导两个电极子集的8个特征矢量,五个受试平均的分类精度在89%和93.5%之间,而最好的分类精度在85%与99.9%之间.比较基于描述符的特征与基于自回归(AR)模型的特征分类性能,结果表明多通道线性描述符是一种有效的特征提取方法.使用该方法提取特征时,理想的电极数应在7与11之间.
-
doi:
-
关键词:
脑-机接口(BCI)
脑电图(EEG)
多通道线性描述符
特征提取
支持向量机(SVM)
-
Keyword:
-
作者:
魏庆国
高小榕
王毅军
高上凯
-
Author:
WEI Qing-Guo
GAO Xiao-Rong
WANG Yi-Jun
GAO Shang-Kai
-
作者单位:
-
刊名:
中国生物医学工程学报
-
Journal:
-
年,卷(期):
-
所属期刊栏目:
-
基金项目
-
在线出版日期:
-
页码: