左右手运动想象脑电模式识别研究

摘要：

如何提高左右手运动想象脑电信号的分类率是脑机接口研究领域的一个热点话题.基于美国EGI64导脑电采集系统得到3名健康被试的脑电数据,首先,采用独立成分分析(Independent Component Analysis,ICA)对采集的数据进行去噪处理；然后,利用离散小波变换方法对分解C3/C4处的EEG平均功率信号,选用尺度6上逼近系数A6的重构信号作为脑电特征信号；最后,用Fisher线性判别分析法(Fisher Linear Discriminant Analysis,FLDA)、支持向量机方法(Support Vector Machines,SVM)和极限学习机分类方法(Extreme Learning Machine,ELM)分别对特征信号进行分类.分类结果表明:极限学习机分类方法得出的平均分类率要高于Fisher方法与SVM方法的平均分类率,可以达到92％,而且运行速度也高于另两种分类算法.

关键词：脑机接口、特征提取、模式识别、运动想象

所属期刊栏目：25

分类号：TK229.8(蒸汽动力工程)

资助基金：国家自然基金项目61201096;常州市科技项目CJ20110023,CM20123006

在线出版日期：2013-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：25-30