通道選擇可以有效地去除冗余信息,減少特征維數(shù),避免維數(shù)災(zāi)難和過(guò)擬合,因此在運(yùn)動(dòng)想象腦電(EEG)信號(hào)解碼中非常重要�，F(xiàn)有的文獻(xiàn)主要研究通道選擇方法的改進(jìn),忽略了不同特征對(duì)通道選擇方法的影響。主要研究特征提取對(duì)通道選擇方法的影響。首先,對(duì)預(yù)處理之后的EEG信號(hào)提取方差、自回歸(AR)系數(shù)、帶通功率和小波包能量4種特征,研究單一特征中哪個(gè)特征對(duì)通道選擇方法最有效。另外,計(jì)算4種特征的融合特征,研究單一特征和融合特征哪個(gè)對(duì)通道選擇最有效。采用一個(gè)公開(kāi)的腦機(jī)接口(BCI)競(jìng)賽數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),研究不同特征提取方法在Fisher判別準(zhǔn)則(FDC)、基于支持向量機(jī)的遞歸通道剔除(SVM-RCE)、最小絕對(duì)值收縮和選擇算子(LASSO)和組LASSO(gLASSO)4種通道選擇方法中的分類結(jié)果。實(shí)驗(yàn)結(jié)果表明,在單一特征中,小波包能量獲得了較好的分類結(jié)果,其中在SVM-RCE通道選擇方法中獲得了76.15%的最高平均分類準(zhǔn)確率。融合特征的分類結(jié)果均優(yōu)于單一特征,其中在gLASSO通道選擇方法中獲得了78.6%的最高平均分類準(zhǔn)確率。融合特征更能表征復(fù)雜的腦電成分,形成信息互補(bǔ),對(duì)腦電任務(wù)的分類識(shí)別更有效。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 方法
    1.1 腦電信號(hào)預(yù)處理
    1.2 特征提取
    1.3 通道選擇
2 實(shí)驗(yàn)結(jié)果與分析
    2.1 數(shù)據(jù)說(shuō)明
    2.2 實(shí)驗(yàn)結(jié)果
3 討論
4 結(jié)論



本文編號(hào)：3771743