基于平行因子模型的運動想象腦電分類.pdf

1、近年來，腦-機接口研究的興趣持續(xù)強勁增長。腦-機接口系統(tǒng)使其用戶可以通過大腦活動來控制外部設(shè)備，它把用戶的意圖翻譯成設(shè)備的控制命令，為用戶提供了一條新的控制或交流通道，該通道不依賴于外周神經(jīng)系統(tǒng)和肌肉等大腦正常的輸出通道。
　　 時-頻分析能夠把信號的能量分布描述為時間和頻率的函數(shù)，是非平穩(wěn)信號處理的有力工具。短時傅里葉變換、小波變換和wigner-ville分布是腦-機接口系統(tǒng)中三種常用的時頻分析方法，論文從時間分辨率和頻率分

2、辨率角度討論了這些方法的優(yōu)缺點，并通過一些測試來深入討論它們的優(yōu)缺點及參數(shù)的選擇。
　　 作為一種張量分解方法，平行因子分解保留數(shù)據(jù)的所有維，能夠產(chǎn)生唯一的分解和具有物理意義的分量。論文把來自于不同通道腦電信號的時頻分布組合成張量數(shù)據(jù)，其結(jié)構(gòu)為通道×頻率×?xí)r間，并通過擬合平行因子模型從這些張量數(shù)據(jù)中提取事件相關(guān)（去）同步化模式。為了評估這些特征的分類能力，采用了基于支持向量機、貝葉斯理論和隱馬爾可夫模型的分類器并對它們進行對比。