一种基于PSO-CSP-SVM的运动想象脑电信号特征提取及分类算法

• 作者: 刘宝 张欣 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 粒子群优化 共空间模式 支持向量机
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 机械工程? 控制科学与工程
• 页码范围: 2855-2866
• 页数: 12页
• 分类号: TP241
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2020.10.017

摘要

针对因脑电信号存在个体差异性而造成多类运动想象脑电信号特征提取困难和识别正确率较低的问题,提出一种基于PSO-CSP-SVM的运动想象脑电信号特征提取及分类算法.首先,利用粒子群优化(PSO)算法优化得到不同个体脑电信号的最佳时间段和频段;然后,基于优化时频段的脑电信号,利用"一对多"共空间模式(OVR-CSP)算法进行特征提取,将特征向量输入到"一对一"支持向量机(OVO-SVM)中实现分类,并且将分类错误率作为PSO算法的适应度函数值;最后,采用BCI2005desc_Ⅲa数据集验证该算法的分类效果.研究结果表明:相比基于固定时频段脑电信号得到的分类结果以及其他文献中算法的分类结果,该算法的平均分类准确率有较大提高,达87.65％,证明该算法能够有效提取脑电特征,并且具有较好的运动想象脑电信号识别效果.