多类运动想象脑电信号的两级特征提取方法

摘要：

共同空间模式(Common spatial pattern, CSP)是运动想象脑机接口(Brain-computer interface, BCI)中常用的特征提取方法,但对多类任务的分类正确率却明显低于两类任务.通过引入堆叠降噪自动编码器(Stacked denoising autoencoders, SDA),提出了一种多类运动想象脑电信号(Electroencephalogram, EEG)的两级特征提取方法.首先利用一对多CSP (One versus rest CSP, OVR-CSP)将脑电信号变换到使信号方差区别最大的低维空间,然后通过SDA 网络提取其中可以更好表达类别属性的高层抽象特征,最后使用Softmax分类器进行分类.在对BCI竞赛IV中Data-sets 2a的4类运动想象任务进行的分类实验中,平均Kappa系数达到0.69,表明了所提出的特征提取方法的有效性和鲁棒性.

关键词：脑机接口、特征提取、共同空间模式、堆叠降噪自动编码器

所属期刊栏目：42

分类号：TP3;R31

资助基金：Manuscript received February 3,2016;accepted June 14,2016国家自然科学基金61671197,61372023;浙江省自然科学基金LY 14F030023, LY15F010009资助Supported by National Natural Science Foundation of China61671197,61372023;Natural Science Foundation of Zhe-jiang ProvinceLY14F030023, LY15F010009

在线出版日期：2017-02-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1915-1922