基于匹配滤波器和度量学习的脑电信号分类

脑电信号识别和脑机接口技术是人机交互领域的热点问题。当前脑电信号分类方法模型复杂,难以实际应用。该文提出基于匹配滤波器的脑电信号分类框架:根据脑电信号特点和假设检验建立生成式模型,并基于Gauss噪声假设推导出一个简单的线性判定算子;利用度量学习方法估计主信号分量和最优协方差矩阵,进一步增强分类器的鉴别力。实验结果表明:所推导出的线性判定算子分类精度和计算复杂度都优于其他算法,能够满足实际应用需求。