基于PF系数的多模态EEG-FNIRS通道选择方法

• 作者: 孟明 戴橹洋 马玉良 高云园
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 脑电图 功能性近红外 心理算数 PF通道选择 共空间模式
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 传感器信号处理|Signal Processing for Sensors
• 页码范围: 84-91
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2022.01.012

摘要

在多模态脑机接口(Brain-computer interface,BCI)研究中,通道选择是直接影响系统性能的关键因素.针对脑电图(Electroencephalogram,EEG)和功能性近红外光谱(Functional near-infrared spectroscopy,fNIRS)各自通道之间存在冗余信息和噪声干扰,本文提出了一种基于PF(Pearson-Fisher,PF)系数的通道选择方法.首先将表征信号间相关性的Pearson系数与表征特征间可分性的Fisher值相结合,构建代表任务区分性的PF系数,并设置合理阈值对通道进行选择.然后提取EEG中的共空间模式(Common space pattern,CSP)特征和fNIRS中的统计特征.最后通过收缩线性判别分析(Shrinking linear discriminant analysis,SLDA)分类器进行分类.在对心理算数(Mental arithmetic,MA)任务数据的分类实验中,本文所提出方法分类精度可以达到90.8％,表明了该方法的有效性和鲁棒性.