单次样本对的CSP滤波器设计及其在脑电训练样本优化中的应用

作者：刘锦; 吴小培; 周蚌艳; 吕钊; 张磊

来源：信号处理, 2017, 33(07): 993-1001.

DOI：10.16798/j.issn.1003-0530.2017.07.012

• 脑-机接口
• 共空间模式
• 脑电信号
• 样本筛选

在运动想象脑-机接口(Motor imagery brain-computer interface,MI-BCI)系统研究中,共空间模式(Common spatial pattern,CSP)作为一种有监督空域滤波设计方法,已被广泛应用于运动想象脑电信号(Electroencephalography,EEG)的特征提取。但是EEG训练样本的采集过程不仅会受到各种噪声伪迹干扰,也会受到受试者分心和疲劳等因素的影响,因此,训练集中难免出现"低质量"的异常单次试验数据。如果不加选择地将所有的单次样本用于CSP滤波器设计和分类器训练,会给所建BCI系统的性能带来较严重的负面影响。针对这一问题,本文提出一种新颖而实用的EEG训练样本筛选方法。方法的基本步骤是,先依次选择单次EEG样本对进行CSP滤波器设计,并结合零训练分类器构造相应的CSP-BCI测试系统。然后以所建CSP-BCI系统的交叉验证识别率为指标,剔除低识别率对应的单次训练数据,以实现对训练样本集的优化。基于所提方法,论文对6位受试者在不同时间采集的75组两类运动想象EEG数据进行了优化筛选和测试。实验结果表明,相比传统方法设计的CSP-BCI系统,基于训练样本优化方法的CSP-BCI系统性能得到明显改善,针对六位受试者测试集的平均识别率分别提高了5.04%、6.42%、13.15%、15.51%、1.94%和8.26%。

• 出版日期2017
• 单位安徽大学