模拟阅读型脑-机接口信号分类研究

• 作者: 朱学才 李梅 邹思轩
• 来源期刊: 华中师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 脑-机接口 模式识别 BP神经网络 感知器算法
• 年，卷（期）: 2011,（3）
• 页码范围: 391-395
• 分类号: TP391.4
• 字数: 3537字
• 语种: 中文

摘要

脑-机接口(BCI)研究中的一个关键问题是如何正确地对EEG信号进行模式分类,以输出控制命令.本文在对“模拟自然阅读”模式下非靶刺激和靶刺激诱发的EEG进行去均值、低通滤波、下采样和归一化等处理后,结合对视觉诱发事件相关电位时域特征分析,提取出最佳特征量,分别利用BP神经网络和线性感知器算法对这些特征模式进行了分类.最终平均识别正确率分别达到87％和84％以上.对比研究表明,BP神经网络算法的分类效果较好,推测这是由于大部分EEG模式线性可分,只有10％左右线性不可分但非线性可分造成的.为提高分类正确率,简化BCI设计,详细研究了信号时程、时段的选择以及通道的选取对模式分类精度的影响.结果表明,信号时程越长分类精度越高；信号时段的选择对分类精度亦有较大的影响.通过实验发现:32个通道中,选取第14(PO3)通道的EEG进行模式分类的精度最高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李梅	中南民族大学生物医学工程学院	19	42	4.0	6.0
2	朱学才	九江职业技术学院继续教育部	11	3	1.0	1.0
3	邹思轩	华中科技大学电子与信息工程系	1	0	0.0	0.0