事件诱发电位信号分类的时空特征提取方法

摘要

准确对事件诱发电位(ERPs)进行分类，对于各种人类认知研究和临床医学评估非常有意义．由于ERPs 信号是非常高维的数据，而且其中包含非常多的与分类无关的信息，从ERPs 信号中提取特征尤显重要．分析了共空间模式(CSP)的原理和不足，引入自回归(AR)模型与白化变换相结合，提出了针对ERPs 分类的时空特征提取方法，并设计了验证该方法的认知实验，在认知实验数据上分别用时空特征提取方法与CSP 提取特征，用同样的分类器支持向量机(SVM)训练分类器，比较它们的分类效果．实验表明，在ERPs分类问题上，时空特征提取方法与CSP相比具有明显的优势，在参数确定合理的情况下，时空特征提取方法可使分类准确率达到90%以上．