針對多通道四類運動想象（Motor imagery, MI）腦電信號（Electroencephalography, EEG）的分類問題,提出免疫多域特征融合的多核學(xué)習(xí)SVM （Support vector machine）運動想象腦電信號分類算法.首先,通過離散小波變換（Discrete wavelet transform, DWT）提取腦電信號的時頻域特征,并利用一對多公共空間模式（One versus the rest common spatial patterns, OVR-CSP）提取腦電信號的空域特征,融合時頻空域特征形成特征向量.其次,利用多核學(xué)習(xí)支持向量機（Multiple kernel learning support vector machine, MKL-SVM）對提取的特征向量進(jìn)行分類.最后,利用免疫遺傳算法（Immune genetic algorithm, IGA）對模型的相關(guān)參數(shù)進(jìn)行優(yōu)化,得到識別率更高的腦電信號分類模型.采用BCI2005desc-Ⅲa數(shù)據(jù)集進(jìn)行實驗驗證,對比結(jié)果表明,本文所提出的分類模型有效地解決了傳統(tǒng)單域特征提取算法特征單一、信息描述... 

【文章來源】：自動化學(xué)報. 2020,46(11)北大核心EICSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

四種算法下K3b受試者進(jìn)化圖Fig.7EvolutiongraphofK3bsubjectwithfouralgorithms

不同數(shù)量的訓(xùn)練集分類正確率Fig.8Classificationaccuracyofdifferentnumbersoftrainingsets

11期張憲法等:免疫多域特征融合的多核學(xué)習(xí)SVM運動想象腦電信號分類2419圖1不同小波函數(shù)的SVM分類正確率Fig.1ClassificationaccuraciesofdifferentwaveletsusingtheSVMclassifier1.2運動想象腦電信號空域特征提取一對多公共空間模式(Oneversustherestcommonspatialpatterns,OVR-CSP)提取運動想象腦電信號的空域特征.公共空間模式(Commonspatialpatterns,CSP)是通過矩陣的對角化,來構(gòu)建一組最優(yōu)的空間濾波器進(jìn)行投影,目的是使得兩類數(shù)據(jù)的方差值差異最大化,每類數(shù)據(jù)獲得具有較高區(qū)分度的特征向量.而一對多公共空間模式(OVR-CSP)[13]是將公共空間模式從對兩類信號特征提取擴展到對多類信號進(jìn)行特征提取,原理是將多類中的一類看作單獨一類,剩余的其他類則歸為一類,依次計算出每“兩類”的濾波器,最終可獲得與類別數(shù)目相同的濾波器個數(shù).對四類運動想象腦電信號進(jìn)行特征提取,因此會得到四個濾波器投影矩陣.使用一對多公共空間模式對經(jīng)過預(yù)處理的四類運動想象腦電信號進(jìn)行空域特征提取的過程如下:假設(shè)Xi為四類運動想象腦電信號,大小為N×T(T≥N),N為采集信號的通道數(shù),T為每個通道的采樣點數(shù).分別計算四類信號的歸一化協(xié)方差矩陣Ri:Ri=XiXTitr(XiXTi),i=1,2,3,4(1)式(1)中,tr(XiXTi)為獲得矩陣XiXTi的跡,XTi為Xi的轉(zhuǎn)置.接著計算混合空間協(xié)方差矩陣R:R=ˉR1+ˉR2+ˉR3+ˉR4(2)式(2)中,ˉRi(i=1,2,3,4)表示第i類信號全部實驗的平均協(xié)方差矩陣.接著對R進(jìn)行奇異

【參考文獻(xiàn)】：
期刊論文
[1]基于免疫堆疊降噪自編碼機網(wǎng)絡(luò)的運動想象腦電信號識別[J]. 郝礦榮,原博煒,陳磊,丁永生.  控制與決策. 2018(04)
[2]基于CSP與卷積神經(jīng)網(wǎng)絡(luò)算法的多類運動想象腦電信號分類[J]. 曾慶山,范明莉,宋慶祥.  科學(xué)技術(shù)與工程. 2017(27)
[3]基于總體經(jīng)驗?zāi)B(tài)分解的多類特征的運動想象腦電識別方法研究[J]. 楊默涵,陳萬忠,李明陽.  自動化學(xué)報. 2017(05)
[4]多類運動想象腦電信號的兩級特征提取方法[J]. 孟明,朱俊青,佘青山,馬玉良,羅志增.  自動化學(xué)報. 2016(12)
[5]多任務(wù)運動想象腦電特征的融合分類研究[J]. 張煥,喬曉艷.  傳感技術(shù)學(xué)報. 2016(06)
[6]腦控:基于腦-機接口的人機融合控制[J]. 王行愚,金晶,張宇,王蓓.  自動化學(xué)報. 2013(03)
[7]基于冗余離散小波變換的信號配準(zhǔn)及分類[J]. 李德強,吳永國,羅海波.  自動化學(xué)報. 2011(01)

碩士論文
[1]CSP算法在多任務(wù)下的擴展及在腦—機接口中的應(yīng)用[D]. 陳魁.南昌大學(xué) 2010



本文編號：3557101