基于马尔科夫切换过程的运动想象信号分类

摘要：

隐马尔科夫模型(HMM)在脑机接口(BCI)领域中已经得到很好的应用,尤其是在运动想象(MI)信号的分类中.但是,很多传统的方法只是利用隐马尔科夫模型描述信号的动态特性,再根据观测数据求得模型参数,然后进行信号分类.由于脑电信号低信噪比、高维数和状态复杂的特点,在研究中先用分层Dirichlet过程(HDP)描述MI信号,利用HDP自聚类特性,然后使用AR模型描述MI信号的时间特性,最后结合马尔科夫切换过程(MSP)描述MI信号的动态特性,以此来充分地描述MI信号.随后对实验室采集的数据和2003年BCI国际大赛的部分数据,使用HDP-AR-HMM模型对MI信号分类,获得很好的分类效果,准确率分别是99.00％、92.00％和72.46％.实验结果表明,所提出的方法可以取得更好的运动想象信号分类.

关键词：运动想象、脑机接口、马尔科夫切换、AR模型、信号分类

所属期刊栏目：33

分类号：TP391.4(计算技术、计算机技术)

资助基金：广东省自然科学基金S2012020010945;国家自然科学基金61105121,61175114,91120305

在线出版日期：2015-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：666-672