基于事件相关频谱扰动的多域融合特征脑电信号分类

针对共空间模式算法在处理低通道数和多模式想象动作的脑电信号时,无法获得足够的空间分布信息而导致分类准确率低的问题,提出一种以事件相关频谱扰动为基础的时频域和空间域的特征提取方法。首先根据肢体想象动作在运动感觉皮层区域呈现独立功能映射区的特点,提取特定导联下差异显著的事件相关时频特征信息,并将其与特定导联的空域特征信息融合,最后通过参数优化后的支持向量机来识别不同类别的肢体想象动作。实验结果对比显示,融合特征在多模式想象动作中的识别性能较单一特征有显著提高,不仅能够获得更全面的脑电特征信息,还有效的降低了多通道数的需求,其平均分类准确率达到93.1%。