基于支持向量机多分类器的运动想象电位识别

提出一种基于支持向量机多分类器的运动想象电位识别方法。首先通过neuroscan软件进行脑信号的脑地貌图分析,根据地貌图在不同任务下的脑区优势变化利用小波提取相应脑区的特定频率段信号。再通过小波包提取其能量特征,得到时域、频频域和空域相结合的特征序列。最后利用支持向量机多分类器对想象左手、右手、脚或者想象左手、脚、舌头的脑信号进行识别,并取得了较好的结果。

基于RCE的空间滤波方法在运动想象电位识别中的应用

在对运动想象电位进行模式识别时,需要对原始信号进行滤波以提取信号中区分度较高的成分用于分类,而在噪声较为严重时,滤波方法会导致有用信息的丢失,从而降低分类正确率。针对该问题,本文提出节律成分提取(Rhythmic Component Extraction,RCE)与共空子空间分解(The Common Spatial Subspace Decomposition,CSSD)相结合的特征提取方法,对提取的特征信息使用线性分类器进行分类。采用该方法对2003年国际BCI竞赛数据进行识别,测试数据的分类正确率达到87.23%,比使用传统空间滤波方法进行特征提取时的分类正确率提高了6.8%,表明该方法可有效地应用于左右手运动想象电位的识别。