论文摘要
针对脑电信号的通道选择和分类问题,提出了基于组稀疏贝叶斯逻辑回归(gsBLR)的运动想象脑电信号分类模型,同时进行通道选择和分类。首先,对多通道信号进行空间滤波和带通滤波,降低容积传导效应的影响;其次,对每个通道的信号提取具有判别信息的时域、频域以及时频域特征,并进行特征融合;最后,使用gsBLR方法进行通道选择和分类,在贝叶斯学习框架下模型参数可自动从训练数据中估计得到,避免了繁琐而耗时的交叉验证过程。在两个公开的脑机接口(BCI)竞赛数据集和自采集数据集上进行了实验验证,分别获得了81.63%、84.97%和76.47%的最高平均分类准确率;相比其他方法,所提出的方法具有较好的分类准确率和较少的通道数,同时所选通道与神经生理背景更加吻合。
论文目录
文章来源
类型: 期刊论文
作者: 张绍荣,朱志斌,冯宝,余天佑,李智
关键词: 运动想象脑电,脑机接口,组稀疏,贝叶斯学习,逻辑回归,通道选择
来源: 仪器仪表学报 2019年10期
年度: 2019
分类: 工程科技Ⅱ辑,基础科学,医药卫生科技,信息科技
专业: 生物学,生物医学工程,电信技术
单位: 桂林电子科技大学电子工程与自动化学院,桂林航天工业学院电子信息与自动化学院,桂林电子科技大学数学与计算科学学院,桂林电子科技大学广西高校数据分析与计算重点实验室,华南理工大学自动化科学与工程学院
基金: 国家自然科学基金(61967004,11901137,81960324),广西区自然科学基金(2018GXNSFBA281023,2016GXNSFBA380160),广西区自动检测技术与仪器重点实验室基金(YQ19209,YQ18107),桂林电子科技大学研究生教育创新计划项目(2019YCXB03)资助
分类号: TN911.7;R318
DOI: 10.19650/j.cnki.cjsi.j1905276
页码: 179-191
总页数: 13
文件大小: 8376K
下载量: 576