在对运动想象电位进行模式识别时,需要对原始信号进行滤波以提取信号中区分度较高的成分用于分类,而在噪声较为严重时,滤波方法会导致有用信息的丢失,从而降低分类正确率。针对该问题,本文提出节律成分提取(Rhythmic Component Extraction,RCE)与共空子空间分解(The Common Spatial Subspace Decomposition,CSSD)相结合的特征提取方法,对提取的特征信息使用线性分类器进行分类。采用该方法对2003年国际BCI竞赛数据进行识别,测试数据的分类正确率达到87.23%,比使用传统空间滤波方法进行特征提取时的分类正确率提高了6.8%,表明该方法可有效地应用于左右手运动想象电位的识别。
【英文摘要】
The original signal usually needs filtering to extract the components with higher degree of distinction before the motor imagery potential classification,which results in loss of the useful information under the serious noise interference,as the result,the classification correct rate will be degraded. To solve this problem,hereby a rhythmic component extraction(RCE) combined with common spatial subspace decomposition(CSSD) for feature extraction while using the linear classifier was proposed. The identifica...
| 
推荐 
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
