基于多通道线性描述符的脑-机接口分类算法的研究

摘要：

脑电信号的特征提取是脑-机接口(BCI)中的一个关键部分,对提高分类正确率和信息传输率起着决定性的作用.本研究利用多通道线性描述符提取脑电信号的分类特征信息,将三个描述符单独和联合地施加于三个感兴趣的电极子集,导出12个特征矢量.五个受试参加了一个在线反馈BCI实验.实验期间他们被要求想象左手或右手运动,记录的脑电图数据用于离线分析.对来自7导和11导两个电极子集的8个特征矢量,五个受试平均的分类精度在89%和93.5%之间,而最好的分类精度在85%与99.9%之间.比较基于描述符的特征与基于自回归(AR)模型的特征分类性能,结果表明多通道线性描述符是一种有效的特征提取方法.使用该方法提取特征时,理想的电极数应在7与11之间.

关键词：脑-机接口(BCI)、脑电图(EEG)、多通道线性描述符、特征提取、支持向量机(SVM)

所属期刊栏目：26

分类号：R318(医用一般科学)

资助基金：国家自然科学基金60318001;北京市自然科学基金30510001

在线出版日期：2008-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：810-817