针对脑电信号存在个体差异性并易受噪声、伪迹干扰的特点,提出一种基于独立成分分析ICA的优选特征通道算法。采用ICA将通道的数据分解为N200、P300、眼电伪迹以及其他生理信号,根据这些信号对每个通道的影响程度,判定各通道是否适合进行特征提取。分别采用本方法和三种常用方法对12个被试的脑电数据进行特征通道选择,并进行N200和P300电位的辨识,经比对发现,本文方法取得了93. 10%的平均分类准确率,比其他三种方法下的准确率分别高出7.27%、1.07%和75. 96%。为预测任意被试的最优通道,采用最小二乘法对ICA权值和通道选择阈值之间的关系进行拟合,对三个新被试进行最优通道预测和电位的辨识,得到较高的分类准确率,说明此预测方法具有一定普适性。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !