运动想象脑电空间滤波器选择方法研究  

Study on Selection Method of EEG Spatial Filter for Motor Imagery

作　　者：王棋辉 莫禾胜 张本鑫 张绍荣 WANG Qihui;MO Hesheng;ZHANG Benxin;ZHANG Shaorong

机构地区：[1]桂林电子科技大学电子工程与自动化学院,广西桂林541004 [2]桂林航天工业学院电子信息与自动化学院,广西桂林541004

出　　处：《桂林航天工业学院学报》2023年第4期533-543,共11页Journal of Guilin University of Aerospace Technology

基　　金：广西自动检测技术与仪器重点实验室开发基金项目“基于先验信息正则化的运动想象脑电解码方法研究”(YQ22209);广西高校中青年教师科研基础能力提升项目“多中心数据集脑电解码方法研究”(2023KY0813)。

摘　　要：共空域模式(CSP)在运动想象脑电特征提取中得到了广泛的应用。由于空间滤波器的选择对CSP方法的性能具有较大的影响,而传统CSP方法人工选择的空间滤波器存在次优问题。因此,针对该问题,提出了六种空间滤波器自适应选择方法。首先,基于CSP方法得到完整的空间滤波器矩阵(特征向量矩阵),并对空间投影后的脑电信号使用对数方差提取出所有特征。其次,由于特征与空间滤波器一一对应,因此可基于特征选择提出六种空间滤波器选择方法来实现空间滤波器的判别选择,分别为最小绝对值收缩和选择算子(LASSO)、log函数非凸模型(LOG)、带平滑削边绝对偏离(SCAD)、方差(VAR)、皮尔逊相关系数(PCC)和Relief。最后,基于最优空间滤波器对脑电数据进行空间投影、特征提取和分类。使用支持向量机(SVM)、Fisher线性判别分析(FLDA)、贝叶斯线性判别分析(BLDA)、K最近邻(KNN)、朴素贝叶斯(NB)和逻辑回归(LR)六种分类器进行预测分类,验证六种空间滤波器选择方法的有效性。在两个运动想象脑电数据集上,所提出的方法分别取得了77.02%和73.03%的最高平均分类准确率。实验结果表明,所提方法的分类效果优于传统CSP方法,能够自适应选择出被试特异的最优空间滤波器及显著判别特征,具有较好的普适性。

关 键 词：共空域模式 运动想象 脑电 空间滤波器 特征选择 

分 类 号：TN911.7[电子电信—通信与信息系统] R318[电子电信—信息与通信工程]