基于相关性和稀疏表示的运动想象脑电通道选择方法

• 作者: 孟明 董芝超 高云园 孔万增
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 脑机接口 运动想象 共空间模式 支持向量机 通道选择
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 脑机接口与人机交互专题|Special Topic on Brain Computer Interface and Human Computer Interaction
• 页码范围: 477-485
• 页数: 9页
• 分类号: TN911.7|TP391
• 语种: 中文
• DOI: 10.11999/JEIT210778

摘要

在基于运动想象(MI)的脑机接口(BCI)中,通常采用较多通道的脑电信号(EEG)来提高分类精度,但其中会有包含与MI任务无关或冗余信息的通道,从而影响BCI的性能提升.该文针对运动想象脑电分类中的通道选择问题,提出一种采用相关性和稀疏表示对通道进行选择的方法(CSR-CS).首先计算训练样本每个通道的皮尔逊相关系数来选择显著通道,然后提取显著通道所在区域的滤波器组共空间模式特征拼接成字典,利用由字典所得到的非零稀疏系数的个数表征每个区域的分类能力,选出显著区域所包含的显著通道作为最优通道,最后采用共空间模式和支持向量机分别进行特征提取与分类.在对BCI第3次竞赛数据集IVa和BCI第4次竞赛数据集I两个二分类MI任务的分类实验中,平均分类精度达到了88.61％和83.9％,表明所提通道选择方法的有效性和鲁棒性.