CSP算法在多任务下的扩展及在脑—机接口中的应用

【摘要】：特征提取作为BCI系统中最重要的一个环节,直接影响着整个系统的分类性能。共空域模式(Common Spatial Pattern, CSP)是一种空域滤波算法,它主要用于提取多通道EEG信号的空域特征。虽然CSP算法的分类性能非常优良,但它是一种二进制算法,只适用于两种思维任务的特征提取。为了提高BCI系统的信息传输率,需要将CSP算法扩展到多类模式。 联合对角化CSP算法是一种将二进制CSP算法扩展到多类模式的方法,是对多个协方差矩阵进行近似联合对角化,并利用主成分分析和空域子空间来提取EEG信号的特征。本文建议了三种近似联合对角化算法：Jacobi算法,ffdiag算法和UEDGI算法。文中从收敛速度、算法处理后各类协方差矩阵的灰度图、算法的分类结果以及算法的运行时间四个方面分析这三种算法的性能,最终得出UEDGI算法为最佳选择。5名受试者的平均分类正确率为：78.31%,相应的平均信息传输率为13.62比特/分钟。除此之外,文中还详细介绍了另外两种多类CSP算法：一对一CSP算法和一对多CSP算法,并将它们与基于UEDGI的CSP算法进行了对比。虽然在三类模式下,基于UEDGI的CSP算法的性能次于一对一CSP算法,但是在四类模式下,无论从分类结果还是运行时间它都优于其他两种多类CSP算法。所以随着可识别的类别数目的增加,基于UEDGI算法的CSP算法将会是多类模式的首选。