基于多元经验模式分解的SSVEP目标识别研究

在脑-机接口(BCI)系统中,对稳态视觉诱发电位(SSVEP)的准确识别在生物医学等领域是至关重要的,而各种伪迹影响了识别准确率。提出一种基于多元经验模式分解的多元同步指数法(MEMD-MSI),首先用白噪声辅助的多元经验模式分解(MEMD)对原信号进行分解,各通道提取出前6个本征模式函数(IMF)分量,提出通过网格搜索法对IMF分量进行加权,从而剔除EEG信号中的伪迹,保留脑电信号中的有效信息,6名受试者的信号数据用来筛选加权系数。接着用多元同步指数法(MSI)对重构信号进行识别。另外,选取了9名受试者的信号数据,对比了MEMD-MSI,MSI及多元经验模态分解典型相关分析(MEMD-CCA)3种算法在不同时窗的准确性。结果表明,MEMD-MSI在三种算法中有着最高的准确率,且在时窗大小为2 s时,其准确率达到了95.24%。证明该算法有效地剔除了伪迹,具有高准确率。