摘要：为了提高基于眼电图(EOG)的扫视信号识别正确率,提出了一种基于共同空间模式(CSP)的扫视信号特征提取算法.该算法首先利用事先标注好的标签数据进行CSP空域滤波器设计,并采用联合近似对角化的方法解决多分类问题;在此基础上,使用该滤波器对原始多导联眼动信号进行空域滤波,滤波输出即为扫视信号的特征参数.在实验室环境中使用支持向量机对上、下、左、右四类扫视信号进行识别,所提算法的平均正确率达到了97.7%.实验结果表明基于CSP的扫视信号特征提取算法在眼动信号分析中呈现出良好的分类性能.

摘要：为了改善基于脑电(EEG)的情感分类性能,提高多分类情况下的识别准确率,提出了一种基于共同空间模式(CSP)的空域滤波算法。首先使用传统的CSP方法设计空域滤波器,并通过该滤波器对3种情感类型(即积极、中性和消极)的EEG信号进行线性投影,以提取空域特征。此外,考虑到传统近似联合对角化(JAD)算法是使用"得分最高的特征值"准则进行特征向量的选择,该情况可能导致无法有效区分多分类的情感状态,因此针对最高分特征值位置存在的所有可能情况设计了不同的特征值选择方法。对实验室自主采集数据集,使用支持向量模型(SVM)作为分类器进行对比实验。结果表明基于CSP的空域特征提取方法在三分类情感识别中平均准确率达到了87.54%,证明其在情感识别应用中具有可行性。

摘要：在脑-机接口(BCI)研究中一个关键问题是准确地对EEG信号进行特征提取和模式分类,以得到人机通信与控制命令。经过对非靶刺激和靶刺激下诱发的EEG进行去均值、低通滤波、下采样等处理后,利用共同空间模式算法对所采集到的EEG数据进行特征提取,然后通过网格搜索法获取最优分类参数的情况下,利用基于径向基函数的支持向量机设计分类器。通过对3名受试者的实验数据进行各10次的处理后得到较好的分类效果,平均分类准确率为99.2%。实验结果表明,本文的方法适合于基于"模拟阅读"的脑-机接口中。

摘要：为解决偏瘫患者在主动康复训练中对上肢外骨骼的控制难题,提出一种基于单次运动想象的脑电信号分类方法,并将其应用于自主研发上肢外骨骼的实时控制中。针对脑电信号信噪比低、个体差异较大的问题,提出一种改进的共同空间模式(Common spatial pattern,CSP)特征提取算法,并结合支持向量机(Support vector machine,SVM)分类器,实现对单次运动想象脑电信号的分类;使用此分类方法对两种不同试验范式建立分类模型,并对其分类表现进行评估;将较好分类表现的分类模型应用于上肢外骨骼的实时控制中,验证方法的可行性。所有被试对上肢外骨骼控制的平均成功率达到87.12%±2.03%。试验结果表明,基于所提出的运动想象分类方法,可以实现上肢外骨骼的准确控制,并为面向康复训练的脑机接口技术提供了理论依据和实践基础。

摘要：围绕独立分量分析(independent component analysis,ICA)在运动想象脑-机接口(brain computer interface,BCI)中的应用,作者重点研究了ICA空域滤波器的设计新方法。基于在不同时间采集的两位受试者的6组运动想象EEG数据集,分析和验证了ICA在BCI系统实现中的特点和优势,并与共同空间模式(common spatial pattern:CSP)空域滤波方法进行了比较。针对运动相关独立分量(motor-related independent components,MRICs)的自动检测,提出了ICA滤波器的有效设计概念,给出了基于不同时段连续EEG样本的ICA滤波器的设计和优化新思路,并建立了相应的ICA-BCI离线测试系统。在此基础上,研究了ICA滤波器的性能与其设计样本之间的关系,比较了ICA-BCI和CSP-BCI对三类运动想象的识别和分类效果。实验结果表明,针对具有相同长度和采集质量的不同时段EEG样本,均可设计出性能基本一致的ICA滤波器。在对不同EEG数据集的组内和组间交叉测试实验中,作者建立的ICA-BCI系统表现出了比CSP-BCI系统更好的稳定性。综上,ICA在BCI系统实现中具有独特的优势和应用潜力。文中所得结论对实用ICA-BCI系统的建立具有一定的参考价值。

摘要：针对共同空间模式特征提取算法(CSP)不能对频域信息进行处理,且在导联数较少的情况下应用效果不佳的问题,提出将希尔伯特-黄变换(HHT)与CSP相结合的算法。在原始脑电信号经过经验模态分解(EMD)后,提取每个导联的前三阶固有模态函数(IMF)及其组合重构信号,利用CSP特征提取,获取2维特征,联合计算信号的自回归模型参数(AR)和模糊熵组成融合特征向量,采用线性判别分类器对提取的特征进行分类。对第二届BCI竞赛提供的数据使用该方法进行特征提取,训练集和测试集分类准确率分别达到90%、88.6%,验证了该算法可有效改善运动想象辨识效果。

摘要：由于脑电图(electroencephalo gram,EEG)能反映不同状态下大脑的思维活动,所以,基于EEG的运动想象识别已经成为一个新的研究热点。为了降低低质量样本对CSP(common spatial pattern)滤波器模型的组间传输性能的影响,提高正确率,提出了一种基于样本筛选的CSP滤波器增量更新方法。首先通过样本筛选的方法对EEG数据进行质量评估,然后剔除低识别率对应的单次训练数据,最后对优化后的样本所设计的CSP滤波器进行增量更新。实验室环境下,对EEG信号进行运动想象识别,其平均正确率达到80.92%,相比传统的CSP方法,五位受试者测试集的平均识别率分别提高了5.4%、5.6%、1.5%、8.6%和7.7%,实验结果验证了所提算法的有效性。

摘要：对多通道的四类运动想象脑电进行了研究。提出了采用表面拉普拉斯对多通道脑电进行预处理,消除各导联之间的相关性,提高信号的信噪比。实验证明表面拉普拉斯对分类正确率的提高有极大的帮助。然后使用OVR-CSP(OneVersus the Rest Common Spatial Patterns)的方法,对四类运动想象任务的脑电信号进行特征提取。最后,应用设计的BP神经网络对提取的特征数据进行了分类,取得了较高的分类正确率。对基于不同频带脑电特征的分类情况进行了分析比较,得出了一些有参考价值的结论。