王金甲 尹 涛

1(燕山大学信息科学与工程学院，秦皇岛 066004)

2(河北省计算机虚拟技术与系统集成重点实验室，秦皇岛 066004)

引言

脑机接口(BCI)是一种不依赖于周围神经系统和肌肉，只需利用大脑想象，便可实现与其它设备进行通信的系统。它可以帮助一些由于外周神经或肌肉通道受损而不能正常交流的人们，提高生活质量[1]。BCI系统在大脑上安装多个电极，以准确捕捉事件相关去同步化(ERD)和事件相关同步化(ERS)现象[2]，而电极数量过多，就必然会有噪声和伪迹，通道选择就成为了重要的研究问题。

ECoG称为皮层脑电信号，是直接采集于大脑的皮层处，因此具有信噪比高，信号稳定等特点[3]，对BCI研究具有重要的意义。由脑皮层获得的皮层脑电信号比脑电图信号具有较高的空间分辨率，较宽的频带和较大的振幅，并且比脑磁图信号具有较少的伪迹干扰。近些年来，基于ECoG研究逐渐成为热点。在2004年 Leuthardt等首次使用 EcoG信号在一维空间中对鼠标进行快速而准确的控制[4];Lal等通过提取ECoG信号中的自适应模型系数和通道回归消除方法取得了较好的分类识别效果[5];Graiman等使用小波包分析及遗传算法选择基于事件相关同步和去同步的特征来识别人体的动作[6]。总之提高ECoG的分类正确率是BCI研究的关键问题[7]。

但是ECoG的原理是侵入式的[8]，对受试者的身体造成了很大的创伤。因此通道选择更是ECoG脑机接口研究的重要问题。通道选择研究可以利用特征选择的算法。常用的特征选择算法可以分为两类，一类是基于滤波评价策略的特征选择算法，该算法主要是考虑使用合适的准则评价特征的好坏，跟所选的分类器无关;另一类是基于嵌入式评价策略的特征选择算法，该算法与使用的分类器有很大的关系[9]。……