重叠特征策略与参数优化的运动想象脑电模式识别

发布时间：2022-02-26 06:10

　　针对运动想象脑电信号的非线性、非平稳特性,提出重叠特征策略与参数优化方法.通过重叠频带滤波（OFB）进行预处理,在滤波后的信号上提取共同空间模式特征（CSP）.将OFB-CSP特征输入鲁棒支持矩阵机,完成模式识别,在模式识别中通过校正粒子群算法（CPSO）动态调整被试个体最优参数.在两个公开数据集上进行实验,分别验证OFB预处理可提升CSP特征区分度,CPSO可为个体寻找最优的鲁棒支持矩阵机分类参数.文中方法提升运动想象识别率,样本和计算资源需求较小,适合脑机接口的实际应用. 

【文章来源】：模式识别与人工智能. 2020,33(08)北大核心CSCD

【文章页数】：13 页

【文章目录】：
1 重叠特征策略与参数优化方法
    1.1 重叠滤波器组预处理
    1.2 共同空间模式特征提取
    1.3 鲁棒支持矩阵机模式识别方法
    1.4 参数优化
    1.5 本文方法流程图
2 实验及结果分析
    2.1 实验数据集
    2.2 特征提取实验结果
    2.3 模式识别结果
3 结 束 语


【参考文献】：
期刊论文
[1]基于深度卷积神经网络的运动想象分类及其在脑控外骨骼中的应用[J]. 唐智川,张克俊,李超,孙守迁,黄琦,张三元.  计算机学报. 2017(06)
[2]脑机融合系统综述[J]. 吴朝晖,俞一鹏,潘纲,王跃明.  生命科学. 2014(06)



本文编号：3644157