基于单特征和模型权重的脑电通道选择方法

摘要

为有效剔除包含噪声和冗余信息的脑电电极通道,提高运动想象脑电解码的性能以及脑机接口(BCI)系统的便携性和舒适性,提出了基于单特征和模型权重的脑电通道选择方法。首先,对原始脑电信号进行预处理。其次,进行通道选择。对每个电极通道的脑电信号提取对数功率特征,一个通道信号提取一个特征,即单特征。对每个通道的特征进行级联形成特征向量,进而训练分类模型。模型权重的大小对应着电极通道的重要性,根据模型权重的大小选择通道。最后,对所选择的通道提取共空域模式(CSP)特征,并选用Fisher线性判别分析(FLDA)、贝叶斯线性判别分析(BLDA)、支持向量机(SVM)和最小绝对值收缩和选择算子(LASSO)四种分类器进行分类。在一个公开的BCI竞赛数据集上进行了实验,经过通道选择优化的平均分类准确率可达87.58%。实验结果表明,所提出的通道选择方法可以显著地提高运动想象脑电解码的性能。