基于EEG握力变化及想象单次识别研究

• 作者: 伏云发 陈睿
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 脑-机接口 脑电 握力变化想象 极限学习机 单次识别
• 年，卷（期）: 2020,（2）
• 页码范围: 159-166
• 页数: 8页
• 分类号: TP391.41
• 字数: 5223字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2020.02.001

摘要

目前基于运动想象(Motor Imagery,MI)的脑-机接口(Brain-Computer Interface,BCI)可提供的指令数相对较少,为增加新的控制参数,基于脑电(Electroencephalogram,EEG)研究握力变化及想象的单次识别.招募20名被试者参与实验,要求被试者用右手执行三种不同握力大小(4 kg,10 kg,16 kg)的实际或想象任务,对任务期间覆盖运动区的九个通道的EEG数据进行分析,采用共同空间模式(Common Spatial Pattern,CSP)提取特征,然后利用极限学习机(Extreme Learning Machine,ELM)和支持向量机(Support Vector Machine,SVM)进行单次识别.ELM对三类握力变化及想象的平均单次识别准确率分别为82.3％±2.1％和80％±1％,SVM对三类握力变化及其想象的平均单次识别准确率分别为86.3％±5.5％和83.7％±3.8％.实验结果表明,ELM和SVM能有效地识别三种不同握力大小的实际或想象任务,而SVM的分类结果更好,可望为MI-BCI增加新的控制参数提供新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伏云发	昆明理工大学信息工程与自动化学院	21	53	4.0	7.0
2	陈睿	昆明理工大学信息工程与自动化学院	4	0	0.0	0.0