基于多域的P300脑电信号特征提取

发布时间：2021-01-21 02:20

　　针对目前P300脑电信号微弱及分类准确率低等问题,在已有的脑电信号特征提取方法的基础上,根据脑电信号在时域、频域以及空域都存在特征的特点,提出了一种将时域特征、频域特征和空域特征融合的脑电信号特征提取方法。首先,对数据进行预处理,去除噪声及伪迹;然后,对预处理后的数据进行分段叠加平均,求取时域能量熵作为时域特征,以小波变换后得到的近似系数为频域特征,通过ICA算法得到的混合矩阵为空域特征;最后使用SVM作为分类器,在BCI竞赛III的字符拼写数据中对所提出的方案进行验证,结果表明,对P300脑电信号进行多域特征提取能够提高P300的分类准确率,而且进行5次叠加平均的分类结果高于单一特征提取方法进行10次特征提取的分类结果,在15次叠加平均的情况下分类准确率达到了97.3%。 

【文章来源】：长春理工大学学报(自然科学版). 2019,42(05)

【文章页数】：7 页

【部分图文】：

EEG采集电极位置图

烁一次称为一个block，其中包含2次目标刺激和10次非目标刺激。对于每个字符，这样的过程重复15次，称为一个run，为了方便理解，给出如图3所示时序图。在实验开始前已经为受试者设定了待拼写的目标字符（矩阵左上方），当目标字符所在的行或列闪烁后受试者的EEG中就会产生一个P300波形，受试者默记这些行和列闪烁的次数，而对其他字符的行和列闪烁不作计数。经过数据处理后，SVM分类算法能够根据上述特点判断出目标字符所在的行或列，进而推断出目标字符。图1EEG采集电极位置图图2诱发界面及其行列编号图3P300拼写实验时序图88

其中包含2次目标刺激和10次非目标刺激。对于每个字符，这样的过程重复15次，称为一个run，为了方便理解，给出如图3所示时序图。在实验开始前已经为受试者设定了待拼写的目标字符（矩阵左上方），当目标字符所在的行或列闪烁后受试者的EEG中就会产生一个P300波形，受试者默记这些行和列闪烁的次数，而对其他字符的行和列闪烁不作计数。经过数据处理后，SVM分类算法能够根据上述特点判断出目标字符所在的行或列，进而推断出目标字符。图1EEG采集电极位置图图2诱发界面及其行列编号图3P300拼写实验时序图88


本文编号：2990256