基于通道擴維的多類CSP算法及在腦-機接口中的應(yīng)用研究.pdf

1、對腦電信號的正確識別是決定腦-機接口性能最關(guān)鍵因素,因此基于腦電信號分類識別算法的研究顯得尤為重要。
　　對于基于腦電信號(electroencephalogram,EEG)的腦-機接口系統(tǒng),共空域模式(common spatial pattern,CSP)算法被廣泛應(yīng)用于解碼相應(yīng)神經(jīng)元活動空間模式,并且對于兩類運動想象的分類識別效果很好。多類模式的 CSP算法有三種表現(xiàn)形式,第一是將多類轉(zhuǎn)換成一對一(one versus one

2、,OVO)CSP模式,第二是將多類轉(zhuǎn)換成一對多(one versus rest,OVR)CSP模式,第三是基于近似聯(lián)合對角化方法(approximate joint diagonalization,AJD)的CSP模式。雖然基于OVO算法的分類準確率較高,但是穩(wěn)定性差,在此提出基于KNN分類的OVO-CSP改進型算法來提高穩(wěn)定性。結(jié)果證明,改進算法在分類準確率及穩(wěn)定性上都有提升。
　　對腦電信號的預(yù)處理過程包括各種濾波,很多個性化

3、的頻帶選擇算法被提出,但是大多數(shù)的算法都是根據(jù)分類結(jié)果來選擇頻帶,這種由果到因的選擇方式并不適用于實際的操作。因而本文選用功率譜分析對子帶進行選擇,并且提出在多個子帶同時對多類運動想象數(shù)據(jù)進行濾波,分別結(jié)合 CSP算法將提取到的特征矢量進行組合,再進行分類。實驗結(jié)果證明該方法對同一組EEG數(shù)據(jù)做交叉驗證的分類效果較好。
　　CSP算法是一種空域分析法,是對最能表征某類運動想象的空間(通道)進行加權(quán)來對源信號進行降維。按理說通道越多

4、,越能為每類運動想象找出最適合通道作為空間濾波器;但是通道數(shù)越多,意味著需要更多的記錄電極,這將增加實驗的復(fù)雜度,不利于實驗數(shù)據(jù)的采集;并且有研究表明,20左右數(shù)目的電極能夠采集足夠的腦電信號用于分析。因此本文提出一種在不增加電極的前提下,對已有通道數(shù)據(jù)進行時間延遲,將延遲得到數(shù)據(jù)迭代到空域中,以完成通道數(shù)的倍增,再根據(jù)最優(yōu)模式數(shù)來選擇倍增后的最優(yōu)通道。實驗數(shù)據(jù)證明此種方法能夠有效地提高單組數(shù)據(jù)分類準確率,并且驗證了最優(yōu)的擴展次數(shù);對于