论文部分内容阅读
脑—计算机接口技术是通过对不同状态的脑电信号分类编码，建立人与周围环境信息交流与控制的新型人机通信系统。由于人类对于脑电信号的认识有限，采集到的脑电信号信噪比过低，以及信号处理方法的限制等因素，使得脑电信号分类准确率低、速度慢而远远不能够满足实际的需要。因此，当前脑—计算机接口研究的主要工作集中在如何通过有效的模式识别方法来提高脑电分类正确率和速度。本文主要工作在于研究并设计了针对运动想象任务的脑电信号分类系统，并基于2005年脑电数据处理大赛的数据集对二类和三类任务的分类问题展开研究。
在特征提取方面，系统采用了共用空间模式算法，该算法是针对运动想象任务分类研究中使用最广泛的算法之一，它通过对两类任务脑电信号的协方差矩阵同时进行对角化处理，构造空间滤波器以提取含有最大区分性的特征。对于二类问题，系统利用类别无关的线性判别式分析算法，对特征实现了准确的分类。
对于本实验中的三类任务问题，主要困难来自于实验数据中的训练数据和测试数据的不匹配，由于训练数据只能构造出两类任务的空间滤波器，实验表明，这两个滤波器对每个任务的直接输出并没有区分意义，而它们的差分结果则具有明显的区分特性，通过阈值判决即可对三类任务进行分类。
本文在2005年BCI数据处理大赛二类任务的数据集上取得了90.19﹪的分类正确率，在三类任务的数据集上，得到0.2619的均方误差，相对该比赛最好结果，本系统的性能提高了12.7﹪。