一种基于运动图像BCI信息融合的新型时间频率组合模式优化方法
Chenyang Lü1,2, Ting Wang1,2, Xugang Xi1,2
1School of Automation, Hangzhou Dianzi University, Hangzhou, China.
概括
这项研究引入了一个新的算法,IFTFCP,以优化大脑数据用于脑计算机接口 (BCI) 系统. 增强的功能选择显著提高了BCI应用中的运动图像分类准确性.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 信号处理 信号处理
背景情况:
- 运动图像 (MI) 对于脑计算机接口 (BCI) 开发至关重要.
- 原始电脑电图 (EEG) 功能通常包含冗余信息,限制BCI性能.
- 优化特征集对于提高基于CSP的BCI精度至关重要.
研究的目的:
- 提出和验证信息融合优化时间频率组合模式 (IFTFCP) 算法.
- 为了增强原始EEG功能优化,以提高BCI性能.
- 完善特征选择和融合技术,用于运动图像分类.
主要方法:
- 使用滑动窗口和过器银行同时处理时间和频率域.
- 应用Pearson-Fisher组合方法和歧视性相关性分析 (DCA) 来进行特征选择和融合.
- 使用辐射基函数 (RBF) - 内核支持向量机器 (SVM) 进行二进制MI任务的分类.
主要成果:
- IFTFCP算法在两个EEG数据集上显示出优异的分类性能.
- 在数据集1上达到78.14%的平均准确率,在数据集2上达到85.98%的平均准确率.
- 性能优于其他评估的特征优化和融合技术.
结论:
- IFTFCP算法有效地优化了基于MI的BCI的原始EEG特征.
- 特性融合策略显著提高了CSP在BCI应用中的性能.
- 这些发现支持通过改进的特征处理来推进基于MI的BCI系统.
