典型文献
基于相关性和稀疏表示的运动想象脑电通道选择方法
文献摘要：
在基于运动想象(MI)的脑机接口(BCI)中,通常采用较多通道的脑电信号(EEG)来提高分类精度,但其中会有包含与MI任务无关或冗余信息的通道,从而影响BCI的性能提升.该文针对运动想象脑电分类中的通道选择问题,提出一种采用相关性和稀疏表示对通道进行选择的方法(CSR-CS).首先计算训练样本每个通道的皮尔逊相关系数来选择显著通道,然后提取显著通道所在区域的滤波器组共空间模式特征拼接成字典,利用由字典所得到的非零稀疏系数的个数表征每个区域的分类能力,选出显著区域所包含的显著通道作为最优通道,最后采用共空间模式和支持向量机分别进行特征提取与分类.在对BCI第3次竞赛数据集IVa和BCI第4次竞赛数据集I两个二分类MI任务的分类实验中,平均分类精度达到了88.61％和83.9％,表明所提通道选择方法的有效性和鲁棒性.
文献关键词：
脑机接口;运动想象;共空间模式;支持向量机;通道选择
中图分类号：
作者姓名：
孟明;董芝超;高云园;孔万增
作者机构：
杭州电子科技大学自动化学院 杭州 310018;浙江省脑机协同智能重点实验室 杭州 310018
文献出处：
引用格式：
[1]孟明;董芝超;高云园;孔万增-.基于相关性和稀疏表示的运动想象脑电通道选择方法)[J].电子与信息学报,2022(02):477-485
A类：
B类：
稀疏表示,运动想象脑电,电通,通道选择,选择方法,MI,脑机接口,BCI,多通道,脑电信号,EEG,分类精度,冗余信息,性能提升,脑电分类,CSR,训练样本,皮尔逊相关系数,所在区域,滤波器组,共空间模式,模式特征,特征拼接,字典,稀疏系数,IVa,二分类,平均分
AB值：
0.330806
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
