摘要
共空域模式(CSP)是一种十分常用的运动想象脑电信号特征提取方法。传统的CSP特征提取方法,先进行CSP变换,然后提取对数方差作为特征。然而,对数方差不一定是最佳的特征提取方法,为了研究基于CSP变换的最佳特征提取方法,在CSP变换的基础上提出新的特征提取方法。首先,对原始运动想象脑电信号进行预处理,然后进行CSP变换。其次,提取对数方差、自回归(AR)系数、带通功率和小波能量以及融合特征作为特征。最后,选用Fisher线性判别分析(FLDA)、最小绝对值收缩和选择算子(LASSO)、融合LASSO和弹性网络共4种分类方法对5种特征进行分类。使用一个公开的脑机接口(BCI)竞赛数据集进行实验。实验结果表明,在新的特征提取方法中,AR系数特征无论使用哪种分类方法都取得了最佳的分类效果,优于传统的CSP特征提取方法,可进一步提高BCI系统的性能。
- 单位