進化優(yōu)化算法在運動想象腦機接口中的應用研究.pdf

1、在基于運動想象的腦-機接口(BCI)中，共空域模式算法(CSP)能夠有效地提取腦電信號中可辨識的模式，因而得到廣泛使用。然而，CSP算法的性能嚴重依賴于受試者特定的參數(shù)，包括用于分類的腦電信號時間段、頻帶和電極通道數(shù)。使用受試者特定的參數(shù)來提取腦電特征可以顯著地改善 CSP的性能并提高BCI的分類正確率。本文使用二進制粒子群優(yōu)化(BPSO)和回溯搜索優(yōu)化(BSA)這兩種進化優(yōu)化算法，對受試者特定的參數(shù)進行單獨或聯(lián)合選擇，以便改進BCI系

2、統(tǒng)的分類性能。
　　為了解決頻帶優(yōu)化問題，本文提出了兩種結合 CSP算法的進化優(yōu)化算法。在第一種算法中，寬帶(8-30Hz)腦電 EEG信號被劃分為10個子帶(每個子帶寬4Hz，相互交疊2Hz)，BPSO被用于挑選最優(yōu)的子帶(集合)，在選擇的子帶上使用CSP算法進行空域濾波和特征提取；在第二種算法中，EEG信號的帶寬可在8-30Hz頻率范圍內變化，頻帶的起始頻率與結束頻率由BSA算法進行選擇，在選擇的頻帶上使用CSP算法進行空域濾

3、波和特征提取。使用這兩種方法對兩個數(shù)據(jù)集進行分類實驗，結果表明相對于傳統(tǒng)的寬帶(8-30Hz)CSP的方法，這兩種基于頻帶優(yōu)化的CSP方法都取得了一定的效果。通過比較兩種新的算法，BSA表現(xiàn)更佳，且收斂速度快。
　　在對頻帶進行優(yōu)化的基礎上，本文還提出了一種使用BSA對頻帶和時間段進行聯(lián)合優(yōu)化的算法。本算法中EEG信號的濾波帶寬不固定，起始頻率與結束頻率可在8-30Hz范圍內變化，而時間段的寬度固定為2s，數(shù)據(jù)的總時長為4s，故而

4、起始點可在0-2s之間變化。時間段起始點、頻帶起始點以及頻帶結束點這三個參數(shù)由BSA算法進行聯(lián)合優(yōu)化。在選擇的頻帶和時間段上，使用CSP算法進行空域濾波和特征提取。與只進行頻帶優(yōu)化相比，聯(lián)合時-頻優(yōu)化取得了更高的分類正確率。
　　針對導聯(lián)選擇對EEG分類的重要性，本文還提出了一種使用BSA對BCI通道進行選擇的算法。在對導聯(lián)的優(yōu)化中，以分類誤差率為目標函數(shù)，選擇的導聯(lián)數(shù)目由BSA算法確定。使用兩個數(shù)據(jù)集進行了導聯(lián)選擇實驗。實驗結果