基于独立成分分析的优选N200和P300特征通道算法

• Published in: 计算机工程与科学 Vol. 39; no. 9; pp. 1682 - 1690
• Main Author: 李文轩 李伟 李梦凡 刘成用
• Format: Journal Article
• Language: Chinese
• Published: 天津大学电气与自动化工程学院,天津,300072%加州州立大学贝克斯菲尔德分校计算机系&电气工程与计算机科学学院,加利福尼亚贝克尔斯菲德市93311 2017
• Subjects: 个体差异; 伪迹; 分类准确率; 独立成分分析; 通道选择; 个体差异; artifact; individual difference; 伪迹; independent component analysis (ICA); channel selection; 通道选择; 分类准确率; classification accuracy; 独立成分分析

针对脑电信号存在个体差异性并易受噪声、伪迹干扰的特点，提出一种基于独立成分分析ICA的优选特征通道算法。采用ICA将通道的数据分解为N200、P300、眼电伪迹以及其他生理信号，根据这些信号对每个通道的影响程度，判定各通道是否适合进行特征提取。分别采用本方法和三种常用方法对12个被试的脑电数据进行特征通道选择，并进行N200和P300电位的辨识，经比对发现，本文方法取得了93.10%的平均分类准确率，比其他三种方法下的准确率分别高出7.27%、1.07%和75.96%。为预测任意被试的最优通道，采用最小二乘法对ICA权值和通道选择阈值之间的关系进行拟合，对三个新被试进行最优通道预测和电位的辨识...