改进CSP算法的联合特征优化法

摘要：

传统的公共空间模式分解需要大量输入通道、缺乏频域信息,文章分别从改进CSP滤波器、构建关于CSP的联合特征、优化识别过程三个方面完善CSP算法的不足.首先,提出基于S变换的公共空间滤波器成分选择算法--CSPS.并将CSPS与EMD、EEMD、双谱分析结合,构建EMD-CSPS、EEMD-CSPS、双谱-CSPS三种联合特征并比较判别效果.最后,使用优化后的联合特征,一方面,对支持向量机惩罚因子和内核参数进行优化,确定惩罚因子最优取值范围和最具分类稳定性的内核函数;另一方面,分别采用支持向量机和线性判别分析进行特征识别与比较.文章设计了左右手想象运动思维任务实验,获取实验数据集,并结合BCI竞赛数据集,从分类正确率和响应时间两个指标出发,分析各优化方法有效性.结果表明:采用S变换优化后的双谱-CSPS特征在LDA分类器下,获得较高的分类正确率和较低的系统建模时间.

关键词：脑电信号、运动想象、特征提取、联合特征优化、公共空间模式算法

所属期刊栏目：34

分类号：R318(医用一般科学)

资助基金：国家自然科学基金61271334

在线出版日期：2018-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：897-910