基于AR模型和SVM的脑电信号分类

摘要

基于P300事件相关电位的脑机接口(BCI)系统中,有效的P300特征提取及分类是系统开展后续工作的关键。应用时间序列自回归(AR)模型及支持向量机(SVM)算法对脑电信号进行P300分类;对10导联脑电数据分别分段,并对每段建立AR模型;采用最小二乘法进行AR模型系数估计,由估计出的系数序列构成特征向量,送入SVM进行模式分类。实验针对BCI Competition III dataset II数据集进行了方法验证,提出的方法在15试次情况下识别正确率达93.5%。实验及数据分析结果表明,应用SVM分类器对AR模型提取出的系数序列特征向量进行分类,具有较好的系统识别正确率,可为实现基于P300的BCI系统实际应用奠定理论和实验基础。