基于獨立成分分析的優選N200和P300特征通道算法
大小：0.88 MB 人氣：8 2017-11-17 需要積分：0
針對腦電信號存在個體差異性并易受噪聲、偽跡干擾的特點，提出一種基于獨立成分分析ICA的優選特征通道算法。采用ICA將通道的數據分解為N200、P300、眼電偽跡以及其他生理信號，根據這些信號對每個通道的影響程度，判定各通道是否適合進行特征提取。分別采用本方法和三種常用方法對12個被試的腦電數據進行特征通道選擇，并進行N200和P300電位的辨識，經比對發現，本文方法取得了93. 10%的平均分類準確率，比其他三種方法下的準確率分別高出7.27%、1.07%和75. 96%。為預測任意被試的最優通道，采用最小二乘法對ICA權值和通道選擇閾值之間的關系進行擬合，對三個新被試進行最優通道預測和電位的辨識，得到較高的分類準確率，說明此預測方法具有一定普適性。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
