基于時間段和頻帶聯(lián)合選擇的多類運動想象腦—機接口分類算法研究.pdf

1、腦-機接口是一種不經(jīng)過傳統(tǒng)的神經(jīng)肌肉通道傳輸，直接將大腦與外界設(shè)備相連，通過軟硬件設(shè)備結(jié)合將腦電信息轉(zhuǎn)化為對外控制命令的通信系統(tǒng)。但是腦電活動信號在人與人之間，甚至是相同受試者在不同時間都會高度變化，這嚴重制約了腦-機接口技術(shù)在實際中的應(yīng)用。因此需要研究一種全自動的EEG分類系統(tǒng)，而該系統(tǒng)最復(fù)雜之處在于EEG信號在特征提取之前時間段和頻帶的選擇問題。為此，本論文提出兩種方法來選擇受試者各自最優(yōu)的時頻間隔，以提升腦-機接口應(yīng)用中EEG信號

2、特征提取的有效性。
　　 第一種方法是小波包分解與共空域模式結(jié)合的方法。原始EEG信號經(jīng)過8-30Hz濾波之后，經(jīng)過小波包分解和重構(gòu)，再將重構(gòu)信號通過CSP算法進行特征提取。其主要創(chuàng)新點在于多通道數(shù)據(jù)進行小波包分解之后，通過自適應(yīng)方法選擇某些重要子空間的分解系數(shù)進行重構(gòu)，以達到個性化頻帶選擇的目的。通過三種不同頻帶選擇方法，對6組基于兩分類運動想象的BCI進行處理數(shù)據(jù)，結(jié)果顯示該方法得到最優(yōu)的分類結(jié)果，驗證了該方法的可行性及有效

3、性。
　　 第二種方法是采用滑動窗對多類腦電數(shù)據(jù)進行分析，自動得出每個受試者對分類起重要作用的時間段、頻帶及分類結(jié)果。子數(shù)據(jù)段處理方式比較簡單，采用的共空域模式算法進行特征提取和KNN分類器進行分類。通過對第四屆國際BCI競賽數(shù)據(jù)集Graz Dataset2a的9個數(shù)據(jù)進行三分類和四分類實驗，分別得到組內(nèi)間單獨數(shù)據(jù)T(E)交叉驗證和組外間T(E)到E(T)傳輸兩種情況下的最佳分類正確率、時間段及頻帶。實驗結(jié)果不僅驗證了個體間及相