基于CSP-PSO-SVM的运动想象EEG信号特征提取与分类算法

• 作者: 刘宝 唐雨琦 张月 蔡梦迪 薄迎春
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 运动想象 共空间模式 支持向量机 粒子群优化
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 机械工程?控制科学与工程
• 页码范围: 1551-1564
• 页数: 14页
• 分类号: TP241
• 字数: 7877字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2020.06.010

摘要

为了解决EEG信号特征提取困难及识别率低等问题,提出一种基于CSP-PSO-SVM的脑电(EEG)信号特征提取与分类算法.该算法首先通过小波包变换实现EEG信号的预处理,提取出EEG信号中的特定频段信号,然后通过构建"一对一"共空间滤波器对EEG信号进行特征提取,最后通过粒子群优化的支持向量机算法实现EEG信号分类识别,并选用2008BCI竞赛2A数据集进行算法分类效果校验.研究结果表明:改进型CSP-PSO-SVM算法的分类准确率最高可达到93.07%,且其平均准确率比其他算法的高.其特征能很好地反映EEG信号的特点,可明显提高分类识别的准确率,可为脑机接口的发展与应用提供参考.