發(fā)布時間：2023-03-26 21:13

　　通道選擇可以有效地去除冗余信息,減少特征維數(shù),避免維數(shù)災難和過擬合,因此在運動想象腦電(EEG)信號解碼中非常重要。現(xiàn)有的文獻主要研究通道選擇方法的改進,忽略了不同特征對通道選擇方法的影響。主要研究特征提取對通道選擇方法的影響。首先,對預處理之后的EEG信號提取方差、自回歸(AR)系數(shù)、帶通功率和小波包能量4種特征,研究單一特征中哪個特征對通道選擇方法最有效。另外,計算4種特征的融合特征,研究單一特征和融合特征哪個對通道選擇最有效。采用一個公開的腦機接口(BCI)競賽數(shù)據(jù)集進行實驗,研究不同特征提取方法在Fisher判別準則(FDC)、基于支持向量機的遞歸通道剔除(SVM-RCE)、最小絕對值收縮和選擇算子(LASSO)和組LASSO(gLASSO)4種通道選擇方法中的分類結(jié)果。實驗結(jié)果表明,在單一特征中,小波包能量獲得了較好的分類結(jié)果,其中在SVM-RCE通道選擇方法中獲得了76.15%的最高平均分類準確率。融合特征的分類結(jié)果均優(yōu)于單一特征,其中在gLASSO通道選擇方法中獲得了78.6%的最高平均分類準確率。融合特征更能表征復雜的腦電成分,形成信息互補,對腦電任務(wù)的分類識別更有效。

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 方法
    1.1 腦電信號預處理
    1.2 特征提取
    1.3 通道選擇
2 實驗結(jié)果與分析
    2.1 數(shù)據(jù)說明
    2.2 實驗結(jié)果
3 討論
4 結(jié)論



本文編號：3771743