机构名称：
¥ 1.0
摘要——多通道脑电图 (EEG) 是一种常用的非侵入性方法，用于向基于运动想象 (MI) 的脑机接口 (BCI) 系统提供输入信号。目前，由于缺乏所需的分类准确度，其使用受到严重限制。机器学习用于 BCI 中以识别 EEG 数据中的隐藏模式，然后将其分类到适当的 MI 任务中。在本研究中，提出了一种称为优化频谱加权公共空间模式的方法来改进基于 EEG 的 BCI 系统中的特征提取。它通过优化频谱和空间系数的权重来增强信息增益，以从事件相关去同步 (ERD) 大脑活动中提取判别特征。通过在 BCI 竞赛 IV 的基准数据集 2a 上执行该方法来评估所提出的方法。独立成分分析法用于去除噪声，而线性判别分析法用于分类。与文献中报道的其他方法相比，使用所提出方法的实验结果产生了更高的分类准确度。
一种用于特征提取的优化 SWCSP 技术...
主要关键词
相关文件推荐
