基于PCA的EEG-fNIRS特征融合

作者：刘化东^*; 许博俊; 李梦琪

来源：现代电子技术, 2023, 46(19): 29-33.

DOI：10.16652/j.issn.1004-373x.2023.19.006

• 双模态融合
• 脑电图
• 功能近红外光谱
• 运动想象
• 支持向量机
• 共空间模式
• 信号解码
• 主成分分析

运动想象脑-机接口（MI-BCI）可解码用户运动意图，它无需任何外部刺激就能产生指令，可以为无法自主运动患者提供一种额外交流通道，辅助或改善其生活方式，但目前还没有一个比较好的方法能对MI-BCI进行高效解码。脑电图（EEG）和功能近红外光谱（fNIRS）是目前一种无创的功能神经成像技术。在单个模式上，EEG的空间分辨率较差，而时间分辨率较高，相比之下，fNIRS提供了更好的空间分辨率，所以文中采用双模态的方式对MI信号进行解码。由于EEG和fNIRS是两种不同类型的信号，如何对两种信号进行融合是目前研究的重点和难点，文中首先对特征提取后的两种信号进行归一化处理，然后采用主成分分析（PCA）算法进行信号融合。实验招募了12名被试做抬左右腿的运动想象。结果表明单独使用EEG和fNIRS进行信号解码精度最高为73.8%，使用PCA对EEG-fNIRS的特征进行融合后分类精度实现了81.2%，提高了7.4%。实验结果证明提出的方法可以为未来的多模态在线BCI系统提供新的思路。

• 单位
  自动化学院; 昆明理工大学