基于约束独立分量分析的脑电特征提取
来源期刊:东北大学学报(自然科学版)2014年第3期
论文作者:黄璐 王宏
文章页码:419 - 859
关键词:脑机接口;脑电;特征提取;约束独立分量分析;识别正确率;
摘 要:针对脑机接口(brain-computer interface,BCI)系统特征提取较慢的现状,提出基于约束独立分量分析(constrained independent component analysis,cICA)的P300特征提取方法.首先,针对各位P300实验被试,通过EEG图像研究其特有P300时域特性;然后,根据P300特性构建参考信号,并将参考信号与独立分量分析(independent component analysis,ICA)方法结合,基于64导联EEG,提取出与P300相关度最大的独立分量;最后,依据提取出的独立分量构造3维特征向量进行分类.实验采用线性分类器,针对BCI Competition II dataset IIb和BCI Competition III dataset II两组公共数据集进行了验证.结果表明,提出方法在3次叠加平均下识别正确率达67.1%,15次达95.2%,在相同实验条件下,分类时间也较其他方法缩短.
黄璐1,王宏2
1. 东北大学中荷生物医学与信息工程学院2. 东北大学机械工程与自动化学院
摘 要:针对脑机接口(brain-computer interface,BCI)系统特征提取较慢的现状,提出基于约束独立分量分析(constrained independent component analysis,cICA)的P300特征提取方法.首先,针对各位P300实验被试,通过EEG图像研究其特有P300时域特性;然后,根据P300特性构建参考信号,并将参考信号与独立分量分析(independent component analysis,ICA)方法结合,基于64导联EEG,提取出与P300相关度最大的独立分量;最后,依据提取出的独立分量构造3维特征向量进行分类.实验采用线性分类器,针对BCI Competition II dataset IIb和BCI Competition III dataset II两组公共数据集进行了验证.结果表明,提出方法在3次叠加平均下识别正确率达67.1%,15次达95.2%,在相同实验条件下,分类时间也较其他方法缩短.
关键词:脑机接口;脑电;特征提取;约束独立分量分析;识别正确率;