摘要

针对P300拼写器中信息传输和目标分类的性能问题,提出了脑功能网络和多模型融合的脑电信号处理方式.首先,对原始信号进行独立成分分析、最佳滤波频带选择及数据分段等预处理操作去除信号中的伪迹噪声.其次,针对原始脑电数据冗余问题,引入了脑功能网络模型对通道敏感度进行分析,仅选择部分通道数据,在不降低分类准确率的情况下,提高信息传输速率,减少目标字符识别所需轮次.最后,针对脑电信号分类问题,提出了基于随机森林和支持向量机的融合模型,通过引入权重和投票机制,根据多个模型投票的结果选择目标字符,提高分类准确率.实验表明,研究结果可以为基于拼写器的脑电信号分析提供一定的理论支持.