多变量自回归和多线性主成分分析结合的多通道信号特征提取研究

作者：王金甲; 张彦娜

来源：生物医学工程学杂志, 2015, (01): 19-24.

• 脑机接口
• 脑磁图
• 脑电图
• 多变量自回归模型
• 多线性主成分分析
• 特征提取 brain-computer interface
• magnetoencephalography
• electroencephalograph
• multivariate autoregressive model
• multi-linear principal component analysis
• feature extraction

脑机接口(BCI)系统通过从脑信号中提取特征对其进行识别。针对自回归模型特征提取方法和传统主成分分析降维方法处理多通道信号的局限性,本文提出了多变量自回归(MVAR)模型和多线性主成分分析(MPCA)结合的多通道特征提取方法,并用于脑磁图/脑电图(MEG/EEG)信号识别。首先计算MEG/EEG信号的MVAR模型的系数矩阵,然后采用MPCA对系数矩阵进行降维,最后使用线性判别分析分类器对脑信号分类。创新在于将传统单通道特征提取方法扩展到多通道。选用BCI竞赛IV数据集3和1数据进行实验验证,两组实验结果表明MVAR和MPCA结合的特征提取方法处理多通道信号是可行的。

• 出版日期2015
• 单位燕山大学