应用于脑机接口设计的共同空间模式改进优化算法.doc

  应用于脑机接口设计的共同空间模式改进 优化算法 袁昕，吕英华** 5 10 15 （北京邮电大学电子工程学院，北京 100876） 摘要：对于脑机接口，共同空间模式（Common Spatial Patterns）是一种最流行的特征提 取算法。尽管该算法具有的高效和广泛性，但它在噪声干扰下的稳定性不高，而且存在过拟 合现象。为了解决这些问题，人们提出了共同空间模式优化算法（Regularized Common Spatial Patterns）。本文中，我们回顾了一些现有的优化算法并提出了三种新的优化算法。 最后，我们基于脑机接口竞赛的数据比较了几种不同的优化算法的性能。结果显示，分类效 果最好的优化算法可以将分类性能提高将近 5%-10%（中值分类精度），并且得到的空间滤 波器与脑生理理论更加相关。 关键词：脑机接口；脑电图；共同空间模式；优化 New Algorithms of Regularized Common Spatial Patterns for BCI Designs Yuan Xin, Lv Yinghua (EE, BUPT, Beijing 100876) Abstract: In this paper,we discuss common spatial patterns and its regularized 20 25 30 35 40 algorithms.Common spatial patterns (CSPs) is one of the most popular feature extraction algorithms for brain–computer interfaces (BCI). CSP is also known to be very sensitive to noise and prone to overfitting, despite its efficiency and widespread use.To address this issue, it has been recently proposed to regularize CSP. In this paper, we present a unifying theoretical framework to design such a regularized CSP (RCSP). We then present a review of existing RCSP algorithms and describe how to cast them in this framework. We also propose three new RCSP algorithms. Finally, we compare the performances of 10 different RCSP (including the three new ones and the original CSP), on electroencephalography data from 10 subjects, from BCI competition datasets. Results showed that the best RCSP methods can improve CSP by nearly 10% in median classification accuracy and lead to more neurophysiologically relevant spatial filters. They also enable us to carry out efficient subject-to-subject transfer. Keywords: Brain-computer interface(BCI); electroencephalography(EEG); common spatial patterns(CSP); Regularization 0 引言 脑机接口（BCI）是一种通信系统，它可以让使用者只是通过大脑的想象行为向电脑发 送命令。这种脑运动一般通过脑电图记录[1]。脑机接口通常根据模式识别方法设计，通过提 取脑电信号的特征并根据这些特征使用分类器来辨别使用者大脑的状态[2]。共同空间模式算 法是一种特征提取方法，它得到一个可以最大化两类信号差别的空间滤波器[3]。共同空间模 式（CSP）已经被证明是用于脑机接口设计的一种最普及和高效的算法[4]，特别是用于脑机 接口竞赛[5]。 尽管很普及，高效，但共同空间模式也被认为对噪声高度敏感[6]，对小训练集存在严重 的过拟合现象[7]。为了解