针对快速序列视觉呈现脑电信号的时空混合特征提取方法

快速序列视觉呈现脑机接口(RSVP-BCI)是目前基于人脑对目标进行早期发现任务中最为常用的技术,该技术能够获取人脑对环境的快速感知。脑电信号(EEG)具有非平稳和信噪比较低的特点,因此在单次试验中准确解码大脑活动较为困难。为解决RSVP-BCI技术中单次试验分类准确率不高的问题,本文提出一种基于时空域混合特征提取的新方法。该方法充分考虑大脑活动的时空模式,分别在时域和空域采用主成分分析(PCA)和共空间模式(CSP)对EEG信号进行特征提取,构成时空混合CSP-PCA(STHCP)方法,通过时域、空域两次特征提取最大化目标类与非目标类之间的判别距离,有效地降低特征维数。STHCP的单试次解码曲线下面积(AUC)较三种基准算法[空间加权费希尔(Fisher)线性判决-PCA(SWFP)、CSP及PCA算法]分别提高了17.9%、22.2%及29.2%,为利用RSVP-BCI技术进行快速高效的目标检测提供了新方法。