進(jìn)化優(yōu)化算法在運(yùn)動(dòng)想象腦機(jī)接口中的應(yīng)用研究.pdf

1、在基于運(yùn)動(dòng)想象的腦-機(jī)接口(BCI)中，共空域模式算法(CSP)能夠有效地提取腦電信號(hào)中可辨識(shí)的模式，因而得到廣泛使用。然而，CSP算法的性能嚴(yán)重依賴于受試者特定的參數(shù)，包括用于分類的腦電信號(hào)時(shí)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(jìn)制粒子群優(yōu)化(BPSO)和回溯搜索優(yōu)化(BSA)這兩種進(jìn)化優(yōu)化算法，對(duì)受試者特定的參數(shù)進(jìn)行單獨(dú)或聯(lián)合選擇，以便改進(jìn)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(jié)合 CSP算法的進(jìn)化優(yōu)化算法。在第一種算法中，寬帶(8-30Hz)腦電 EEG信號(hào)被劃分為10個(gè)子帶(每個(gè)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(jìn)行空域?yàn)V波和特征提??；在第二種算法中，EEG信號(hào)的帶寬可在8-30Hz頻率范圍內(nèi)變化，頻帶的起始頻率與結(jié)束頻率由BSA算法進(jìn)行選擇，在選擇的頻帶上使用CSP算法進(jìn)行空域?yàn)V

3、波和特征提取。使用這兩種方法對(duì)兩個(gè)數(shù)據(jù)集進(jìn)行分類實(shí)驗(yàn)，結(jié)果表明相對(duì)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(duì)頻帶進(jìn)行優(yōu)化的基礎(chǔ)上，本文還提出了一種使用BSA對(duì)頻帶和時(shí)間段進(jìn)行聯(lián)合優(yōu)化的算法。本算法中EEG信號(hào)的濾波帶寬不固定，起始頻率與結(jié)束頻率可在8-30Hz范圍內(nèi)變化，而時(shí)間段的寬度固定為2s，數(shù)據(jù)的總時(shí)長為4s，故而

4、起始點(diǎn)可在0-2s之間變化。時(shí)間段起始點(diǎn)、頻帶起始點(diǎn)以及頻帶結(jié)束點(diǎn)這三個(gè)參數(shù)由BSA算法進(jìn)行聯(lián)合優(yōu)化。在選擇的頻帶和時(shí)間段上，使用CSP算法進(jìn)行空域?yàn)V波和特征提取。與只進(jìn)行頻帶優(yōu)化相比，聯(lián)合時(shí)-頻優(yōu)化取得了更高的分類正確率。
　　針對(duì)導(dǎo)聯(lián)選擇對(duì)EEG分類的重要性，本文還提出了一種使用BSA對(duì)BCI通道進(jìn)行選擇的算法。在對(duì)導(dǎo)聯(lián)的優(yōu)化中，以分類誤差率為目標(biāo)函數(shù)，選擇的導(dǎo)聯(lián)數(shù)目由BSA算法確定。使用兩個(gè)數(shù)據(jù)集進(jìn)行了導(dǎo)聯(lián)選擇實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果