基于最优化少量电极的思维任务脑机接口

作     者：孙瀚 张雄 王保平 Bruce J Gluckman 刘嘉阳 仲雪飞 樊兆雯 张玉 张春 Sun Han;Zhang Xiong;Wang Baoping;Bruce J Gluckman;Liu Jiayang;Zhong Xuefei;Fan Zhaowen;Zhang Yu;Zhang Chun

作者机构：东南大学电子科学与工程学院南京210096 宾夕法尼亚州立大学工程学院美国斯泰特克利奇16803 

出 版 物：《东南大学学报（自然科学版）》 (Journal of Southeast University：Natural Science Edition)

年 卷 期：2016年第46卷第5期

页      面：934-938页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61405033 61505028) 国家重点基础研究发展计划(973计划)资助项目(2010CB327705) 高等学校学科创新引智计划资助项目(B07027) 江苏省自然科学基金资助项目(BK20130629) 

主　　题：思维任务 脑机接口 最优化少量电极 共空间模式 熵准则 

摘      要：为减少脑机接口的电极数量,采用基于最优化少量电极的共空间模式(CSP)算法提取不同思维任务下的脑电信号(EEG)特征值.首先,根据事件相关(去)同步化现象观察时频特性;然后,运用熵准则对单个电极进行可分性度量;最后,根据可分性排序,利用基于最优化少量电极的CSP算法和支持向量机算法对不同电极组合的特征值进行提取和分类,得出最优化的电极组合.结果表明,进行心算和想像空间旋转2种思维任务时被试的EEG信号在顶叶和枕叶区域存在明显的能量差异,6个被试可分性最高的电极均位于这2个区域;与传统的EEG信号处理算法相比,基于最优化少量电极的算法可以使系统使用的电极数减少至3.3个,并且分类正确率提高5.4%.因此,采用基于最优化少量电极的算法可以减少电极数目,改善思维任务脑机接口的性能.