基于改进CSP算法的运动想象脑电信号识别方法

针对想象运动的脑机接口(BCI)系统中,在电极导联数少的情况下存在脑电信号分类准确率降低的问题,提出一种改进共同空间模式(CSP)算法。通过对事件相关去同步(ERD)/事件相关同步(ERS)生理现象较明显的频段进行滤波,选取最大特征值对应的表征运动想象脑电信号状态的最优特征向量,进而提出特征向量新的定义方法,同时与支持向量机(SVM)相结合,实现运动想象脑电数据的分类。对于GRAZ大学提供的运动想象脑电数据(DataⅢ),想象左手运动脑电信号的识别准确率为98.57%。想象右手运动的脑电识别率为100%。实验结果表明,改进的CSP算法更准确地反映脑电信号的任务状态,有效避免了特征模式的重复选取问题,具有更优的分类性能。