針對因腦電信號存在個體差異性而造成多類運動想象腦電信號特征提取困難和識別正確率較低的問題,提出一種基于PSO-CSP-SVM的運動想象腦電信號特征提取及分類算法。首先,利用粒子群優(yōu)化（PSO）算法優(yōu)化得到不同個體腦電信號的最佳時間段和頻段;然后,基于優(yōu)化時頻段的腦電信號,利用"一對多"共空間模式（OVR-CSP）算法進(jìn)行特征提取,將特征向量輸入到"一對一"支持向量機（OVOSVM）中實現(xiàn)分類,并且將分類錯誤率作為PSO算法的適應(yīng)度函數(shù)值;最后,采用BCI2005desc_Ⅲa數(shù)據(jù)集驗證該算法的分類效果。研究結(jié)果表明:相比基于固定時頻段腦電信號得到的分類結(jié)果以及其他文獻(xiàn)中算法的分類結(jié)果,該算法的平均分類準(zhǔn)確率有較大提高,達(dá)87.65%,證明該算法能夠有效提取腦電特征,并且具有較好的運動想象腦電信號識別效果。 

【文章來源】：中南大學(xué)學(xué)報(自然科學(xué)版). 2020,51(10)北大核心EICSCD

【文章頁數(shù)】：12 頁

【部分圖文】：

PSOCSPSVM算法的整體結(jié)構(gòu)框圖Fig.2OverallstructurediagramofPSOCSPSVMalgorithm

8～26Hz的beta節(jié)律。但是不同類別運動想象腦電信號的ERD/ERS現(xiàn)象會出現(xiàn)在不同的頻段，例如想象手運動時的ERD現(xiàn)象主要出現(xiàn)在10～12Hz和20～24Hz，想象腳運動時的ERD現(xiàn)象經(jīng)常出現(xiàn)在7～8Hz和20～24Hz，想象舌運動時的ERS現(xiàn)象主要出現(xiàn)在10～11Hz[15]。因此，ERD/ERS現(xiàn)象的空間特性和頻段特性為多類運動想象的分類提供了理論依據(jù)。2基于PSO的改進(jìn)CSP運動想象腦電信號特征提取與分類方法為解決腦電信號的個體差異性問題，以獲得(a)電極位置左側(cè)圖；(b)電極位置頂面圖圖11020標(biāo)準(zhǔn)電極導(dǎo)聯(lián)定位分布圖Fig.1Schematicdiagramof1020standardelectrodeleadpositioningmethod2857

蟮牡??問??3實驗結(jié)果分析3.1實驗條件與數(shù)據(jù)來源基于PSOCSPSVM的運動想象腦電信號特征提取及分類算法的實驗仿真條件為：CPU,Intel(R)Core(TM)i55200U(2.20GHz)；RAM,8.0GB，Windows10，MATLABR2017b。本文采用BCI2005desc_Ⅲa數(shù)據(jù)集，該數(shù)據(jù)集包括k3b，k6b和l1b33名受試者的4類運動想象(左手、右手、舌和腳)腦電信號。數(shù)據(jù)用64導(dǎo)Neuroscan腦電放大器采集獲得，采樣頻率為250Hz，并對數(shù)據(jù)進(jìn)行了1～50Hz的濾波處理。實驗過程如圖4所示。從圖4可見：前2s，受試者處于安靜狀態(tài)；在第2s時，計算機發(fā)出提示音且屏幕上出現(xiàn)“+”，提示受試者運動想象即將開始；自第3s開始，計算機屏幕出現(xiàn)向左、向右、向上或向下的箭頭1s，要求受試者根據(jù)箭頭方向分別進(jìn)行左手、右手、舌和腳的運動想象，一直到第7s結(jié)束[19]。其中受試者k3b的4類運動想象各采集90組，共360組；受試者k6b和l1b的4類運動想象各采集60組，共240組。將每名受試者運動想象樣本集的一半作為訓(xùn)練集，另一半作為測試集。為了分析在進(jìn)行運動想象任務(wù)時出現(xiàn)的ERD/ERS特征，本文采用功率譜分析法對腦電信號進(jìn)行處理。功率譜分析法可以將幅值隨時間變化的腦電數(shù)據(jù)變?yōu)槟X電功率隨頻率變化，從而可檢測到不同運動想象任務(wù)引發(fā)的不同ERD/ERS現(xiàn)象。以k3b受試者的左、右手運動想象數(shù)據(jù)為例，分析其出現(xiàn)ERD/ERS現(xiàn)象的空間特性和頻段特性，其左、右手運動想象與休息狀態(tài)時的腦電數(shù)據(jù)在導(dǎo)聯(lián)C3和C4上的功率譜密度圖如圖5所示。從圖5可以看出：在進(jìn)行左、右手運動想象任務(wù)時，在腦區(qū)對側(cè)會出現(xiàn)

【參考文獻(xiàn)】：
期刊論文
[1]基于多類運動想象任務(wù)的EEG信號分類研究[J]. 馬滿振,郭理彬,蘇奎峰.  計算機測量與控制. 2017(10)
[2]基于ERS/ERD的二級共空間模式的運動想象腦電信號特征提取[J]. 尚允坤,段鎖林,潘禮正.  計算機工程與科學(xué). 2017(07)
[3]基于支持向量機的腦電信號分類方法研究[J]. 莊瑋,段鎖林,徐亭婷,趙以鋼.  科學(xué)技術(shù)與工程. 2014(09)
[4]四類運動想象腦電信號特征提取與分類算法[J]. 施錦河,沈繼忠,王攀.  浙江大學(xué)學(xué)報(工學(xué)版). 2012(02)
[5]基于改進(jìn)CSP算法的運動想象腦電信號識別方法[J]. 李明愛,劉凈瑜,郝冬梅.  中國生物醫(yī)學(xué)工程學(xué)報. 2009(02)
[6]基于小波包變換和聚類分析的腦電信號識別方法[J]. 徐寶國,宋愛國.  儀器儀表學(xué)報. 2009(01)

博士論文
[1]粒子群優(yōu)化算法及差分進(jìn)行算法研究[D]. 張慶科.山東大學(xué) 2017
[2]基于運動想象的腦機接口的研究[D]. 周鵬.天津大學(xué) 2007

碩士論文
[1]基于時間段和頻帶聯(lián)合選擇的多類運動想象腦—機接口分類算法研究[D]. 韓仁香.南昌大學(xué) 2013
[2]基于運動想象的腦電信號特征提取及分類算法研究[D]. 李麗君.華南理工大學(xué) 2012



本文編號：3584987