基于多通道线性描述符的脑-机接口分类算法的研究

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。