APP下载

基于运动想象脑机接口的AuFBCSP方法

2012-06-01侯秉文周广玉何嘉全

电子科技 2012年1期
关键词:特征提取分类特征

侯秉文,刘 鹏,周广玉,何嘉全

(1.西安电子科技大学理学院,陕西西安 710071;2.西安电子科技大学生命科学技术学院,陕西西安 710071)

脑机接口(Brain-Computer Interface,BCI)是一种不依赖于外周神经系统和肌肉组织而与外界进行通信或控制的设备。它可以通过脑电信号识别人的意图,从而为那些思维正常,但有严重运动障碍的患者提供语言交流和环境控制手段。此外,脑机接口在医疗、康复、娱乐、国防领域有着广泛的应用前景。

有关研究表明,在进行准备和执行运动想象时,大脑皮层的功能性连接会发生改变,从而导致其对侧大脑脑电信号的mu和beta节律会出现短暂的事件相关去同步现象,而其同侧大脑则出现事件相关同步现象[1]。根据这样一种特性,通过分析被试运动想象时的脑电信号,判别运动想象方向,从而实现对外界装置的控制。目前,共同空间模式(Common Spatial Pattern,CSP)[2]方法被认为是提取事件相关去同步最为有效的方法。但这种方法必须针对特定的频带和特定的时段。在执行运动想象任务时,由于个体差异的存在,发生事件相关去同步的频带和时段是有特异性的。为克服CSP的局限性,前人提出了许多改进算法。

一种是针对频域的滤波。共同空间谱模式(Common Spatio-Spectral Pattern,CSSP)针对 CSP法则利用了一种时滞采样的技术[3],优化了一种简单滤波。但是这种方法在频域滤波的灵活性上受到一定的限制。共同稀疏谱空间模式(Common Sparse Spectral Spatial Pattern,CSSSP)针对CSP法则用任意的有限脉冲反映滤波同时进行优化,填补了CSSP的局限性[4]。但由于优化问题的内在属性,上述方法的滤波系数总是非常依赖于初始参数的选择[5]。……

登录APP查看全文

猜你喜欢

特征提取分类特征
分类算一算
如何表达“特征”
基于Gazebo仿真环境的ORB特征提取与比对的研究
不忠诚的四个特征
教你一招:数的分类
一种基于LBP 特征提取和稀疏表示的肝病识别算法
基于MED和循环域解调的多故障特征提取
线性代数的应用特征
Walsh变换在滚动轴承早期故障特征提取中的应用