基于ICA-CSP-KNN的运动想象脑电意图识别OA
运动想象意图识别的准确率的提高对脑-机接口技术的发展具有重要意.该文以第Ⅳ届BCI竞赛的数据集Ⅰ的运动想象EEG信号为基础,采用ICA-CSP-KNN相结合的方法对脑电信号进行意图识别.首先用独立成分分解(ICA)对脑电信号进行预处理,去除其中包含的眼电等干扰噪声,利用共空间模式(Common Spatial Pattern,CSP)进行特征提取,最后采用K邻近算法(K-Nearest Neighbor,KNN)进行特征分类.实验结果表明,该方法的分类准确率均达到 93%,有效实现运动想象解码,证明该方法的有效性.
鲍甜恬;欧阳虹霞;杨天宇;陈伊桓
南京师范大学泰州学院,江苏 泰州 225300
基础医学
脑电信号运动想象共空间模式K邻近ICA-CSP-KNN
EEGmotor imageryCommon Spatial PatternK-Nearest NeighborICA-CSP-KNN
《科技创新与应用》 2023 (030)
6-9 / 4
江苏省高等学校大学生创新创业训练计划项目(202213843014Y);泰州市科技支撑项目(SSF20210077)
评论