基于Pearson與FBRCSP的運(yùn)動(dòng)想象腦電分類研究
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>3811 K
標(biāo)簽： 腦機(jī)接口 運(yùn)動(dòng)想象 皮爾遜相關(guān)系數(shù)
所需積分：0分積分不夠怎么辦？
文檔介紹：腦機(jī)接口（BCI）為用戶提供了一種無(wú)需依賴外周神經(jīng)和肌肉的控制通道，廣泛應(yīng)用于神經(jīng)肌肉疾病患者的康復(fù)治療?；谶\(yùn)動(dòng)想象（MI）的BCI利用大腦在運(yùn)動(dòng)任務(wù)想象過(guò)程中的信號(hào)，實(shí)現(xiàn)無(wú)需肢體運(yùn)動(dòng)的控制。為提高M(jìn)I-BCI的分類性能，提出了一種結(jié)合皮爾遜相關(guān)系數(shù)通道選擇（PCCS）和濾波器組正則化共空間模式（FBRCSP）的方法。首先，通過(guò)PCCS對(duì)EEG信號(hào)進(jìn)行通道選擇，保留關(guān)鍵信號(hào)并去除冗余信息；然后，采用FBRCSP優(yōu)化空間模式提取判別性特征。在BCI Competition III IVa和IV Dataset I數(shù)據(jù)集上進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，PCCS-FBRCSP方法在分類準(zhǔn)確率和穩(wěn)定性方面優(yōu)于傳統(tǒng)方法，尤其在跨個(gè)體實(shí)驗(yàn)中展現(xiàn)出更強(qiáng)的魯棒性。同時(shí)，該方法有效降低了計(jì)算復(fù)雜度，具有較好的應(yīng)用潛力。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。