中国生物医学工程学报
中國生物醫學工程學報
중국생물의학공정학보
CHINESE JOURNAL OF BIOMEDICAL ENGINEERING
2009年
2期
161-165
,共5页
脑机接口%脑电%共同空间模式(CSP)%支持向量机(SVM)
腦機接口%腦電%共同空間模式(CSP)%支持嚮量機(SVM)
뇌궤접구%뇌전%공동공간모식(CSP)%지지향량궤(SVM)
针对想象运动的脑机接口(BCI)系统中,在电极导联数少的情况下存在脑电信号分类准确率降低的问题,提出一种改进共同空间模式(CSP)算法. 通过对事件相关去同步(ERD)/事件相关同步(ERS)生理现象较明显的频段进行滤波, 选取最大特征值对应的表征运动想象脑电信号状态的最优特征向量,进而提出特征向量新的定义方法,同时与支持向量机(SVM)相结合,实现运动想象脑电数据的分类.对于GRAZ大学提供的运动想象脑电数据(Data Ⅲ),想象左手运动脑电信号的识别准确率为98.57%.想象右手运动的脑电识别率为100%.实验结果表明,改进的CSP算法更准确地反映脑电信号的任务状态,有效避免了特征模式的重复选取问题,具有更优的分类性能.
針對想象運動的腦機接口(BCI)繫統中,在電極導聯數少的情況下存在腦電信號分類準確率降低的問題,提齣一種改進共同空間模式(CSP)算法. 通過對事件相關去同步(ERD)/事件相關同步(ERS)生理現象較明顯的頻段進行濾波, 選取最大特徵值對應的錶徵運動想象腦電信號狀態的最優特徵嚮量,進而提齣特徵嚮量新的定義方法,同時與支持嚮量機(SVM)相結閤,實現運動想象腦電數據的分類.對于GRAZ大學提供的運動想象腦電數據(Data Ⅲ),想象左手運動腦電信號的識彆準確率為98.57%.想象右手運動的腦電識彆率為100%.實驗結果錶明,改進的CSP算法更準確地反映腦電信號的任務狀態,有效避免瞭特徵模式的重複選取問題,具有更優的分類性能.
침대상상운동적뇌궤접구(BCI)계통중,재전겁도련수소적정황하존재뇌전신호분류준학솔강저적문제,제출일충개진공동공간모식(CSP)산법. 통과대사건상관거동보(ERD)/사건상관동보(ERS)생리현상교명현적빈단진행려파, 선취최대특정치대응적표정운동상상뇌전신호상태적최우특정향량,진이제출특정향량신적정의방법,동시여지지향량궤(SVM)상결합,실현운동상상뇌전수거적분류.대우GRAZ대학제공적운동상상뇌전수거(Data Ⅲ),상상좌수운동뇌전신호적식별준학솔위98.57%.상상우수운동적뇌전식별솔위100%.실험결과표명,개진적CSP산법경준학지반영뇌전신호적임무상태,유효피면료특정모식적중복선취문제,구유경우적분류성능.