基于P300的脑机接口的数学模型与算法研究.pdf

信息技术年第期科技创新与应用基于的脑机接口的数学模型与算法研究林亚静长沙理工大学数学与计算科学学院湖南长沙摘要：文章针对的竞赛数据取得了一个很高的字符分类识别准确率文章突出在数据预处理阶段中通过很多次程序验证比较不同频带域的测试准确率得出了一个最佳的频带范围用于原始数据的滤波过程。关键词：脑机接口；；预处理；特征提取；分类算法引言．训练分类模型：将特征提取得到的已知目标字符的数据作脑机接口是一个系统允许用户与环境的沟通只有通过为训练集利用—一支持向量分类选择线性核函数对大脑活动而无需使用肌肉输出通道。它涉及了神经科学信号检其进行训练其中样本特征是属于二分类样本集分别用一和标测信号处理模式识别等多种领域。要建立大脑和外界设备之间的记两种样本类别。联系首先要测量大脑活动然后进行处理分析信号数据再进行机分类结果器学习训练分类模型实行分类进而实现用户的意图。电位将训练出的分类器应用于等量的未知目标字符的测试数据集是当视觉受到外界特殊刺激时脑电信号出现一个波峰其峰值大约推断出所选择的字符。并计算分类准确率：出现在相关事件发生后的。其优势特点是被试验之前不需要％。论文通过上述算法得到的最高准确率进行训练即可成功诱发出来。因此电位是脑一机接口常用的一种信号。文中所用数据是的离线达．％。相应不同重复次数文章分别测试了对应准确率见图。数据集。大致处理过程可以描述为：原始信号数据一预处理一特征选择与提取一选择并训练分类模型一分类结果一测试分类算法效果一根据效果调整分类模型一得出理想的分类结果。处理数据的算法步骤．单次样本提取：因为电位一般出现在刺激后的左右所以通过分类精度验证后本文截取从每次闪烁开始后到长度的数据作为一个单次样本这样将训练集的前个的数据组成一个维的原始特征空间。．数据预处理：由于采集到