欢迎来到天天文库
浏览记录
ID:21543961
大小:34.50 KB
页数:10页
时间:2018-10-22
《p300脑电信号的特征提取及分类研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、P300脑电信号的特征提取及分类研究 摘要:?对P300脑电信号信噪比低,分类困难的特点,本文研究了一种基于独立分量分析和支持向量机相结合的脑电信号处理方法。首先对P300脑电信号进行叠加平均,根据ICA算法的要求,对叠加平均的信号进行去均值及白化处理。然后使用快速定点的FastICA算法提取P300脑电信号的特征向量,最后送入支持向量机进行分类。采用国际BCI竞赛III中的DataSetII数据进行验证,算法的最高分类正确率达90.12%。本算法原理简单,能有效提取P300脑电信号的特征,对P300脑电信号特征提取及分类的任务提供参考方法。 关键词:P300脑电信号;特征
2、提取;独立分量分析;支持向量机 DOI:10.16640/j.cnki.37-1222/t.2017.10.180 0引言 近年来随着世界人口的不断增多和老龄化加剧的现象,肌肉萎缩性侧索硬化症,瘫痪,老年痴呆症等患者的基数也相应增长,给社会及病人家属带来了沉重的负担。而近年来出现的涉及神经科学、认知科学、计算机科学、控制工程、医学等多学科、多领域的脑机接口方式应运而生[1]。脑机接口(braincomputerinterface,BCI)是建立一种大脑与计算机或其他装置联系的技术,该联系可以不通过通常的大脑输出通路(大脑的外周神经和肌肉组织)[2]。这种人机交互形式可以代
3、替语言和肢体动作,使得恢复和增强人类身体与心理机能、思维意念控制变成为可能。因此在军事目标搜索[3]、飞行模拟器控制[4]、汽车驾驶[5]、新型游戏娱乐[6]以及帮助运动或感觉机能出现问题的残障人士重新恢复信息通信功能[7]等方面均有应用并有巨大潜能。 脑机接口系统的性能主要由脑电信号处理模块决定。脑电信号处理模块的核心由特征提取和分类识别两部分组成。常见的脑电信号特征提取方法很多,针对不同的脑电信号有不同的方法。例如时域分析方法有功率谱分析及快速傅里叶变换(FFT)等,适用于P300、N400等潜伏期与波形恒定,与刺激有严格锁时关系的诱发脑电信号;频域分析方法有自回归模型及
4、数字滤波器等,适用于频率特征明显的运动想象脑电信号;时频域分析方法有小波变换,适用于时频特性随时间不断改变的脑电信号。上述方法实时性较好,使用较为广泛,但不能直接表达EEG各导联之间的关系。空间域特征提取方法有共空间模式法(CSP)、独立分量分析法(ICA)等,该类方法可以利用各导联脑电信号之间的空间分布及相关性信息,一般用于多通道的脑电信号特征提取。[8-10] 在分类识别方面,BCI中使用的分类方法主要有人工神经网络、支持向量机、K均值聚类、遗传算法等等。支持向量机方法在脑电信号分类中有广泛的应用,在随机性强,非线性的分类识别问题中有较强适应性及较高分类正确率。 1实验
5、数据介绍 1.1事件相关电位P300 事件相关电位(Event-RelatedPotential,ERP)是人们经历某种刺激事件时,大脑在信息加工中所诱发出来的一系列脑电活动在头皮上引起的电位变化,是一种由心理或语言因素参与的特殊的诱发电位,1965年由Sutton首次报道。从头皮记录到ERP有两个特征,首先它的潜伏期与刺激之间有严格的锁时关系,其次它有特定的波形和电位分布。ERP的构成分外源性和内源性两部分,外源性成分包括P100,N100,P200波,潜伏期短,受刺激物理特性的影响较大;内源性成分包括N200,P300波,受心理因素影响较大,和人的注意、记忆等认知过程相
6、关。 其中P300是应用最广泛的内源性事件相关电位,因其潜伏期多在300ms左右,又是正相波,因而得名,故又称P300。目前的研究结果表明,P300是联合皮层活动的结果,与复杂的多层次心理活动(认知过程)有关,是感觉、知觉、记忆、等心理过程的变化反映,是人对客观事物的反应过程。因此,P300是一个不需要靠外部行为判断受试者认知过程的客观指标,也可以说是判断大脑高级功能的一个客观指标。 1.2实验数据选取 实验数据取自国际BCI竞赛III中的DataSetII数据。ThisdatasetrepresentsacompleterecordofP300evokedpotenti
7、alsrecordedwithBCI2000usingaparadigmdescribedbyDonchinetal.,2000,andoriginallybyFarwellandDonchin,1988[11].Intheseexperiments,auserfocusedononeoutof36differentcharacters.Theobjectiveinthiscontestistopredictthecorrectcharacterineachoftheprovidedchar
此文档下载收益归作者所有