独立分量分析和遗传算法相结合的运动想象频带优化

论文摘要

对结合独立分量分析（independent component analysis,简称ICA）和遗传算法（genetic algorithm,简称GA）的运动想象脑电（motor imagery electroencephalogram,简称MI-EEG）特征检测及其优化方法开展研究.设计了基于ICA的MI-EEG分类算法.在此基础上,针对不同受试个体,用GA算法对运动想象诱发的事件相关去同步（event-related desynchronization,简称ERD）频段进行优化选择,用以改善运动想象脑-机接口（brain-computer interface,简称BCI）系统的识别率.实验结果表明,基于ICA的GA算法特征优化方法具有较好的可靠性和实用性,可用于在线BCI的设计与实现.

论文目录

• 1 采集MI-EEG数据实验范式
• 2 方法
•   2.1 遗传算法
•   2.2 ICA算法及ICA空域滤波器的设计及特征优化方法
• 3 实验结果与分析
•   3.1 自测试结果
•   3.2 交叉测试结果
• 4 结束语

文章来源

类型: 期刊论文

作者: 康莎莎,周蚌艳,吴小培

关键词: 脑机接口,脑电信号,运动想象,遗传算法,独立分量分析,节律增强频带

来源: 安徽大学学报(自然科学版) 2019年01期

年度: 2019

分类: 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,自动化技术

单位: 安徽大学计算机科学与技术学院,安徽大学计算智能与信号处理教育部重点实验室

基金: 国家自然科学基金资助项目(61271352,61401002)

分类号: R318;TP18

页码: 37-44

总页数: 8

文件大小: 1058K

下载量: 35