基于多通道线性描述符的脑-机接口分类算法的研究 |
| |
引用本文: | 魏庆国,高小榕,王毅军,高上凯.基于多通道线性描述符的脑-机接口分类算法的研究[J].中国生物医学工程学报,2007,26(6):810-817. |
| |
作者姓名: | 魏庆国 高小榕 王毅军 高上凯 |
| |
作者单位: | 1. 南昌大学电子信息工程系,南昌,330029;清华大学生物医学工程系,北京,100084 2. 清华大学生物医学工程系,北京,100084 |
| |
基金项目: | 国家自然科学基金;北京市自然科学基金 |
| |
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) |
文章编号: | 0258-8021(2007)06-0810-08 |
收稿时间: | 2006-11-08 |
修稿时间: | 2007-04-04 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
|