基于组合分类器的不同状态下脑电信号分类

摘要：

当手臂操作与脑电控制被同时应用到水下机器人操作中,且操作人员处于不同作业状态时,针对使用单一脑电信号分类器无法获得较为理想的控制意图识别准确率问题,提出使用组合分类器选取分类结果和根据实际作业情况的特殊性修正分类结果的方法来提升识别准确率.首先,使用Fisher判别方法分别对无手臂操作和存在手臂操作产生的数据进行训练,得到两种作业状态下的分类器;其次,将两分类器进行组合并使用曲线拟合的方式确定用来判定分类结果的基准距离差值(该差值的选取考虑了个体差异);再次,根据实际作业情况的特殊性使用距离修正函数对距离差值进行修正;最后,通过比较基准距离差值与修正后距离差值的大小来确定最终分类结果.为了验证所提方法的有效性,邀请了6位被试者参与测试过程.实验结果显示,在设计的在线实验中,相对于其他3种方法,所提方法在识别准确率上分别提升了13.42％、5.55％和5.55％,说明所提方法是可行且有效的.

关键词：脑电信号分类、手臂操作、组合分类器、距离差值、修正函数、水下机器人操作

所属期刊栏目：34

分类号：TP24(自动化技术及设备)

资助基金：中国科学院前沿科学重点研究项目QY2DY-SSW-JSC005;国家自然科学基金项目61473207,61233013

在线出版日期：2019-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：897-907