事件诱发电位信号分类的时空特征提取方法

摘要：

准确对事件诱发电位(ERPs)进行分类,对于各种人类认知研究和临床医学评估非常有意义.由于ERPs信号是非常高维的数据,而且其中包含非常多的与分类无关的信息,从ERPs信号中提取特征尤显重要.分析了共空间模式(CSP)的原理和不足,引入自回归(AR)模型与白化变换相结合,提出了针对ERPs分类的时空特征提取方法,并设计了验证该方法的认知实验,在认知实验数据上分别用时空特征提取方法与CSP提取特征,用同样的分类器支持向量机(SVM)训练分类器,比较它们的分类效果.实验表明,在ERPs分类问题上,时空特征提取方法与CSP相比具有明显的优势,在参数确定合理的情况下,时空特征提取方法可使分类准确率达到90％以上.

关键词：ERPs信号分类、时空特征提取法、共空间模式、支持向量机

所属期刊栏目：38

分类号：TN911.7;R338

资助基金：福州大学科技发展基金2009-XQ-25

在线出版日期：2011-11-30（万方平台首次上网日期，不代表论文的发表时间）

页码：866-871