模拟阅读-脑-机接口N2P3成分的自动提取.pdfVIP

总第331 期 计算机与数字工程 Vol.45 No. 5 Computer Digital Engineering 923 2017 年第5 期 计算机与数字工程 2017 年第5 期 “模拟阅读”脑-机接口N2P3成分的自动提取∗ 金 震 官金安 赵瑞娟 谢国栋 （中南民族大学生物医学工程学院 武汉 430074） 摘 要 提出了一种基于ICA和局部能量最大的单次自动提取脑电信号中N2和P3成分的方法。实验采集了七名健康 受试者在观察“模拟阅读”刺激界面状态下的32导的脑电信号，利用FastICA算法对单试次脑电信号进行盲源分离，将得到 的32个分量用样本方差最大方法，在固定时间段自动提取脑电信号中N2和P3成分。把N2、P3分量直接作为单次提取的特 征，利用支持向量机进行分类，同时和最优单通道时域特征的分类进行对比。结果表明：基于ICA方法可以有效地自动提取 单次脑电信号中N2和P3成分，且分类效果比最优单通道有显著提高。 关键词 模拟阅读；ICA；单次特征；自动提取；SVM 中图分类号 TP334.7 DOI：10. 3969/j. issn. 1672-9722. 2017. 05. 028 AutomaticExtractionofN2andP3inImitating-ReadingBCI JINZhen GUANJinan ZHAORuijuan XIEGuodong （School of Biomedical Engineering，South-Central University for Nationalities，Wuhan 430074） Abstract This paper introduces a method of single automatically extract EEG of N2 and P3 component based on ICA and big⁃ gest local energy. Experiment collectes seven healthy people 32 lead EEG in the state of observed at “Imitating-Reading”stimula⁃ tion interface. Firstly ，single trial EEG is taken into blind source separation using the FastICA algorithm to 32 component result. Sec⁃ ondly，automatic extraction N2 and P3 components in the 32 component result at the fixed time period，using maximum sample vari⁃ ance method. The N2，P3 component directly are as a single extraction feature and SVM classification method is used to classify，at the same time compared with the classification that using characteristics parameters of best single-channel in the time-domain. The results indicate that using automatic extraction of a single EEG N2 and P3 component based on ICA method is effective and classifi⁃ cation results has risen considerably than the best single channel. KeyWord