(录用定稿)网络首发时间:2020-01-04 13:34:09

针对基于运动想象(Motor Imagery, MI)的脑-机接口(Brain-Computer Interface, BCI)系统中导联过多的问题,提出了一种多相关性导联前向搜索(Multi-CorrelationForward Searching, MCFS)算法来优化导联集,改善系统性能。首先基于训练集对导联集进行前向搜索,同时以验证集分类精度更新对3种相关性算法的信任值;然后根据3种相关性方法的信任值,选择优质导联组合,采用共空间模式(Common Spatial Pattern, CSP)获得运动想象特征,通过线性核的支持向量机(Support Vector Machine, SVM)训练分类模型。对该算法在两个数据集(BCI竞赛IV中的data set I数据集I和BCI竞赛III中的data set IVa)上进行验证,分别得到了81%和87%的平均分类精度。此外,与其他3种常用导联选择方法相比,MCFS算法获得了最高的平均分类精度,性能优越,为基于运动想象的BCI系统的应用提供了技术参考。

国家重点研发计划(2017YFB13003002); 国家自然科学基金(61573142,61773164,91420302); 111引智计划(B17017);

脑机接口; 运动想象; 多相关性算法; 导联选择; 共空间模式;

10.14135/j.cnki.1006-3080.20190901002

R318;TP181;TN911.7

中国知网独家网络首发,未经许可,禁止转载、摘编。

378875K
在线咨询 用户反馈