基于獨立成分分析的優(yōu)選N200和P300特征通道算法

　　針對腦電信號存在個體差異性并易受噪聲、偽跡干擾的特點，提出一種基于獨立成分分析ICA的優(yōu)選特征通道算法。采用ICA將通道的數(shù)據(jù)分解為N200、P300、眼電偽跡以及其他生理信號，根據(jù)這些信號對每個通道的影響程度，判定各通道是否適合進行特征提取。分別采用本方法和三種常用方法對12個被試的腦電數(shù)據(jù)進行特征通道選擇，并進行N200和P300電位的辨識，經(jīng)比對發(fā)現(xiàn)，本文方法取得了93. 10%的平均分類準確率，比其他三種方法下的準確率分別高出7.27%、1.07%和75. 96%。為預(yù)測任意被試的最優(yōu)通道，采用最小二乘法對ICA權(quán)值和通道選擇閾值之間的關(guān)系進行擬合，對三個新被試進行最優(yōu)通道預(yù)測和電位的辨識，得到較高的分類準確率，說明此預(yù)測方法具有一定普適性。
?