组LASSO罚多变量自回归模型脑电特征分工类

作者：王金甲; 党雪; 杨倩; 王凤嫔; 孙梦然

来源：高技术通讯, 2019, 29(11): 1073-1081.

DOI：10.3772/j.issn.1002-0470.2019.11.003

• 脑机接口(BCI)
• 脑电信号(EEG)
• 特征提取
• 多变量自回归(MVAR)模型
• 正则化
• 组LASSO

自回归(AR)模型和多变量自回归(MVAR)模型是脑机接口(BCI)系统脑电信号(EEG)常用的特征提取方法。AR模型没有考虑多通道间的相互关系,MVAR模型虽然考虑了多通道间相互关系,但是会出现模型过参数化问题。为解决MVAR模型过参数问题,本文提出采用组LASSO罚MVAR模型对脑电信号进行特征提取,采用梯度下降和块坐标下降相结合的方法估计模型参数,然后采用线性支持向量机(SVM)对提取的特征进行分类。实验结果表明,组LASSO罚MVAR模型的分类正确率达93%,高于MVAR模型、LASSO-MVAR模型和6阶AR模型的识别正确率。

• 单位
  燕山大学