多类运动想象脑电信号的两级特征提取方法

• 作者: 佘青山 孟明 朱俊青 罗志增 马玉良
• 来源期刊: 自动化学报
• 关键词: 脑机接口 特征提取 共同空间模式 堆叠降噪自动编码器
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 论文与报告
• 页码范围: 1915-1922
• 页数: 8页
• 字数: 5877字
• 语种: 中文
• DOI: 10.16383/j.aas.2016.c160122

摘要

共同空间模式(Common spatial pattern, CSP)是运动想象脑机接口(Brain-computer interface, BCI)中常用的特征提取方法,但对多类任务的分类正确率却明显低于两类任务.通过引入堆叠降噪自动编码器(Stacked denoising autoencoders, SDA),提出了一种多类运动想象脑电信号(Electroencephalogram, EEG)的两级特征提取方法.首先利用一对多CSP (One versus rest CSP, OVR-CSP)将脑电信号变换到使信号方差区别最大的低维空间,然后通过SDA 网络提取其中可以更好表达类别属性的高层抽象特征,最后使用Softmax分类器进行分类.在对BCI竞赛IV中Data-sets 2a的4类运动想象任务进行的分类实验中,平均Kappa系数达到0.69,表明了所提出的特征提取方法的有效性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗志增	杭州电子科技大学自动化学院智能控制与机器人研究所	164	2539	28.0	39.0
2	孟明	杭州电子科技大学自动化学院智能控制与机器人研究所	34	381	11.0	18.0
3	佘青山	杭州电子科技大学自动化学院智能控制与机器人研究所	38	366	11.0	18.0
4	马玉良	杭州电子科技大学自动化学院智能控制与机器人研究所	18	157	8.0	12.0
5	朱俊青	杭州电子科技大学自动化学院智能控制与机器人研究所	1	14	1.0	1.0