基于小波分解和支持向量机的P300识别算法.pdfVIP

26 卷 6 期 中　国　生 　物 　医 　学 　工 　程 　学 　报 Vol . 26 　No . 6 2007 年 12 月 Chinese J ournal of B iomedical Engineering December 　2007 基于小波分解和支持向量机的 P300 识别算法 　 1 1 1 2 杨立才 　李金亮 　姚玉翠 　李光林 1 ( 山东大学控制科学与工程学院生物医学工程系 ,济南 　250061) 2 (伊利诺伊大学芝加哥分校 ,美国伊利诺伊 ,芝加哥 　60608) 摘 　要 : 针对支持向量机方法在 P300 识别中训练和识别速度相对较慢的不足 ,本研究提出了一种将小波分解与支 持向量机相结合的 P300 识别方法 。该方法通过小波分解实现脑电信号的特征提取 , 同时利用 Span 估计方法实现 支持向量机最优参数 的快速选择 ; 然后借助支持 向量机 良好 的分类性能实现 P300 的识别 。本研 究在 BCI Competition 2003 的 P300 实验数据集上对该方法进行了验证 ,结果表明 ,与传统支持向量机算法相比 ,本算法具有更 高的训练和识别速度 ,并且在 5 次重复实验时达到了 100 %的识别准确率 。 关键词 : 脑机接口; P300 ; 小波分解 ; 支持向量机 P300 Detection Algorithm Based on Wavelet Decomposition and Support Vector Machines 1 1 1 2 YANG LiCai 　LI JinLiang 　YAO YuCui 　LI GuangLin 1 ( Dep artment of B iomedical Engineering , School of Control Science Engineering , Shandong University , J i ’nan 250061) 2 ( The University of Illinois at Chicago , Chicago Illinois 60608 , USA ) Abstract : In order to overcome the shortcomings of support vector machines in terms of low training and detection speed for P300 detection , a new algorithm based on wavelet decomposition and support vector machines was proposed in this paper . Using wavelet decomposition and span estimation method , we implemented the feature extraction of EEG signals and the fast choice of the optimal parameters of support vector machines ; and realized the detection of P300 component with support