基于特征融合和粒子群优化算法的运动想象脑电信号识别方法

摘要：

由于运动想象脑电信号的信噪比较低,特征提取和特征选择比较困难,无法获得较高的分类准确率.针对上述问题,该文提取了时域、频域和空间域3个观察面的特征,并采用粒子群优化算法结合随机森林分类器来进行特征筛选.具体过程为,首先根据R2图来对信号进行带通滤波;其次,使用小波软阈值和得分共空间模式算法进行去噪和通道筛选;然后,通过3种算法提取时频域和空间域特征,待特征融合之后使用基于随机森林分类器的评价指标作为PSO的适应度函数,进行特征选择;最后,运用3种分类器以及集成分类器来验证效果.实验结果显示,通过特征融合以及特征选择可以去除冗余信息,保留有效信息,最终的分类正确率达到98.3％,为该技术在医疗康复等领域应用提供了新的方法.

关键词：脑机接口、集成分类器、特征融合、特征选择、运动想象、粒子群优化算法

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;四川省教育厅项目

在线出版日期：2021-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：467-475