基于Fisher字典学习的运动想象脑电分类算法  

Motor Imagery EEG Classification Algorithm Based on Fisher Dictionary Learning

作　　者：胥立波 蒋爱民[1] 刘小峰[1] 王勇[1] 

机构地区：[1]河海大学物联网工程学院,常州213022

出　　处：《微处理机》2015年第4期53-56,共4页Microprocessors

基　　金：国家自然科学基金项目(61101158;61471157);江苏省自然科学基金项目(BK20141159;BK20141157)

摘　　要：目前,在以运动想象为基础的脑机接口研究中,共空域模式(Common Spatial Pattern,CSP)算法是脑电信号特征提取的主流算法,而如何利用CSP特征进行有效的分类则是该领域的研究热点之一。近年来,基于稀疏表示的分类方法(Sparse Representation based Classification,SRC)备受国内外学者的高度关注,为此提出了一种基于Fisher字典学习的脑电分类算法。该算法结合了稀疏重构误差和编码系数进行分类。实测数据的处理结果表明,与传统基于SRC的分类算法相比,所提出的算法能够取得更为精确的分类结果。Now, in the study on motor imagery systems, based on brain, computer interface （ BCI）, the common spatial pattern （CSP） algorithm is the mainstream algorithm of EEG feature extraction However, how to use the CSP features to classify effectively is one of the research hotspots in this field. In recent years, the classification method based on sparse representation （SRC） attracts more attention of native scholars and foreign ones. We propose an EEG classification algorithm based on the Fisher dictionary learning which combines the sparse reconstruction error and coding coefficient to classify the signals The experimental results show that the proposed method can obtain better accuracy rate compared with the traditional classification method SRC.

关 键 词：脑机接口 共空域模式 稀疏表示 Fisher字典学习 重构误差 编码系数 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]