P300 Speller中基于AdaBoost SVM的导联筛选研究  

Study of channel selection based on AdaBoost SVM in P300 Speller

作　　者：綦宏志[1,2] 许敏鹏[1] 明东[1] 万柏坤[1] 刘志朋[2] 殷涛[2] 

机构地区：[1]天津大学精密仪器与光电子工程学院,天津300072 [2]中国医学科学院生物医学工程研究所,天津300192

出　　处：《仪器仪表学报》2012年第5期985-990,共6页Chinese Journal of Scientific Instrument

基　　金：国家自然科学基金(90920015;30970875;61172008;81171423);国家科技支撑计划(2012BAI34B03);国家自然科学基金委-英国爱丁堡皇家学会联合研究项目(30910494);教育部新世纪优秀人才计划资助项目

摘　　要：P300 Speller是目前少数可以用于临床残疾人功能补偿的脑-机接口系统,P300 Speller的字符识别效率与脑电信号采集的头皮表面电极位置密切相关,过多的电极不但增加了使用者的不适感,且易引入噪声干扰进而影响系统的稳定性。采用并发展了一种基于AdaBoost SVM(adaptive boosting support vector machine)的特征筛选方法,对脑电导联进行优化筛选,通过对6位受试者的实验数据处理及分析,结果表明该方法可以在不显著影响识别效率的基础上降低导联数量76%以上。另外,相较于经典的SVM-RFE特征筛选方法,该方法极大降低了计算复杂度,更适用于训练数据庞大的脑电特征优化问题。P300 Speller is one of the few practical brain computer interface systems for functional regaining of clinic paralyzed patients.Its character recognition efficiency is related tightly with the positions of surface electroencephalogram（EEG） electrodes.Redundant electrodes increase the user＇s discomfort and the possibility of introducing noise interference,which will depress system robustness.In this paper we propose a channel selection method based on adaptive boosting support vector machine（AdaBoost SVM） to optimize the EEG electrode positioning.Through analyzing the EEG data from 6 subjects we prove that the required number of electrodes can be decreased by above 76% without any loss of character recognition accuracy using this electrode optimization method.Moreover,compared with traditional SVM-RFE method,the new algorithm decreases the computational complexity significantly and is more suitable for EEG feature optimization in training massive data.

关 键 词：脑-机接口 自适应增强 支持向量机 字符识别 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]