基于ECoG的运动想象脑-机接口分类方法

摘要

脑-机接口BCI(Brain-Computer Interface)技术是近年来国际上的研究热点之一,它通常利用脑电EEG(electroencephalogram)来实现无动作的人机交互,运动想象是其中一种重要的BCI实验范式.有关研究表明,脑皮层电位ECoG(electrocorticogram)具有更好的信噪比与频带特性.研究基于ECoG的运动想象BCI系统,针对ECoG信号的特点,改进了信号处理方法,提取数据的公共空间模式CSP(Common Spatial Pattern)特征,并利用支持向量机SVM(Support Vector Machines)进行分类器设计,提高了运动意向的识别正确率.用相应方法处理2005年脑-机接口竞赛中的一组实验数据,正确率达到92%,相比于当时参赛时所用的方法提高了6%.实验还发现,支持向量机在克服"维数灾难"和"过拟合"方面具有更好的鲁棒性.