多任务脑-机接口导联选择及分类算法的研究.pdf

摘要 摘要 近年来，脑．机接口系统的发展得到了众多国内外研究人员的关注，并成为 神经工程领域一个新的研究热点。随着脑．机接口的不断发展，研究人员正试图 将BCI技术应用到实际生活中。但是，对基于运动想象的脑．机接口系统，当导 联数目过多时会导致共空域模式算法的性能降低，因此脑．机接口系统一直难以 在现实生活中应用。另外，随着导联数目的增加，多通道脑电信号的记录需要 复杂的准备工作以及复杂的计算过程，既费时又可能降低分类正确率。 为解决此问题，本文提出四种导联选择算法：第一种是二进制多目标粒子 群优化算法(bMOPSO)；第二种是基于培养的多目标微粒群优化算法 的，微粒群优化是一种启发式研究技术，它是对鸟群寻找食物时的活动规律性 进行建模与仿真。起初，PSO算法主要用来解决单目标优化问题，MOPSO算法 是PS0算法的扩展，它在解决多目标优化问题中应用也越来越广泛。大部分 MOPSO算法在整个进化过程中对所有粒子使用固定的权重和加速度，与 体飞行参数。第三种算法是典型的L1．norm算法，这个方法对两分类数据能够选 择较少的导联数目。 另外，本文用三种分类算法对脑电数据进行分类：支持向量机(SVM)、k． 近邻法(k小N)和BP神经网络算法。 最后，分别对三种分类算法和四种导联选择算法进行实验仿真。仿真结果 表明，三种分类算法中，支持向量机和k．近邻法分类效果比BP神经网络好。四 种导联选择算法在没有降低分类正确率的情况下，基于fbMOPSO算法能够选择 更少的导联数目。 关键词：脑-机接口；多类CSP；滤波器组；导联选择；多目标微粒群优化； 特征分类 ABSTRACT AB STRACT The of interface development hasattractedlotsof brain—computer system researchersathomeand it abroad，andhasbecomesaresearchfocus inneural fieldinrecent the engineering years．With of interface． development brain．computer researchersare now to current attempting interface put brain—computer techniques into practical interface application．However,the basedon brain．computersystem motor isstillnotusedfor imagery real-li