论文部分内容阅读
在基于运动想象的脑-机接口(BCI)中,共空域模式算法(CSP)能够有效地提取脑电信号中可辨识的模式,因而得到广泛使用。然而,CSP算法的性能严重依赖于受试者特定的参数,包括用于分类的脑电信号时间段、频带和电极通道数。使用受试者特定的参数来提取脑电特征可以显著地改善CSP的性能并提高BCI的分类正确率。本文使用二进制粒子群优化(BPSO)和回溯搜索优化(BSA)这两种进化优化算法,对受试者特定的参数进行单独或联合选择,以便改进BCI系统的分类性能。为了解决频带优化问题,本文提出了两种结合CSP算法的进化优化算法。在第一种算法中,宽带(8-30Hz)脑电EEG信号被划分为10个子带(每个子带宽4Hz,相互交叠2Hz),BPSO被用于挑选最优的子带(集合),在选择的子带上使用CSP算法进行空域滤波和特征提取;在第二种算法中,EEG信号的带宽可在8-30Hz频率范围内变化,频带的起始频率与结束频率由BSA算法进行选择,在选择的频带上使用CSP算法进行空域滤波和特征提取。使用这两种方法对两个数据集进行分类实验,结果表明相对于传统的宽带(8-30Hz)CSP的方法,这两种基于频带优化的CSP方法都取得了一定的效果。通过比较两种新的算法,BSA表现更佳,且收敛速度快。在对频带进行优化的基础上,本文还提出了一种使用BSA对频带和时间段进行联合优化的算法。本算法中EEG信号的滤波带宽不固定,起始频率与结束频率可在8-30Hz范围内变化,而时间段的宽度固定为2s,数据的总时长为4s,故而起始点可在0-2s之间变化。时间段起始点、频带起始点以及频带结束点这三个参数由BSA算法进行联合优化。在选择的频带和时间段上,使用CSP算法进行空域滤波和特征提取。与只进行频带优化相比,联合时-频优化取得了更高的分类正确率。针对导联选择对EEG分类的重要性,本文还提出了一种使用BSA对BCI通道进行选择的算法。在对导联的优化中,以分类误差率为目标函数,选择的导联数目由BSA算法确定。使用两个数据集进行了导联选择实验。实验结果表明,与全部导联相比,选择的导联数目大幅度减少;且与使用全部导联相比,使用选择的导联取得的分类正确率有了较大的提高。